一种用于行人重识别的判别性学习 CNN 嵌入
计算机视觉与模式识别
2018-04-04 v2
摘要
我们重新审视行人重识别（re-ID）中两种流行的卷积神经网络（CNN），即验证模型和分类模型。由于损失函数不同，这两种模型各有优缺点。本文中，我们阐明如何结合这两种模型以学习更具判别力的行人描述子。具体而言，我们提出一种新的孪生网络，它同时计算身份损失和验证损失。给定一对训练图像，该网络预测两幅图像的身份以及它们是否属于同一身份。我们的网络同时学习判别性嵌入和相似性度量，从而充分利用标注信息。尽管简单，所学的嵌入在两个公开行人重识别基准上提升了最优性能。此外，我们展示了该架构也可应用于图像检索。
引用
@article{arxiv.1611.05666,
title = {A Discriminatively Learned CNN Embedding for Person Re-identification},
author = {Zhedong Zheng and Liang Zheng and Yi Yang},
journal= {arXiv preprint arXiv:1611.05666},
year = {2018}
}