一种用于行人重识别的多任务深度网络
计算机视觉与模式识别
2016-11-28 v3
摘要
行人重识别（ReID）关注视频监控中跨不同场景识别人，在当前行人ReID方法中通常被表述为二分类任务或排序任务。本文中，我们同时考虑两种任务，并提出一种多任务深度网络（MTDnet），利用它们各自的优势并同时联合优化这两个任务以进行行人ReID。据我们所知，我们首个将两种任务整合进一个网络来解决行人ReID。我们表明，我们提出的架构显著提升了性能。此外，一般而言深度架构需要充足的训练数据集，这在行人ReID中通常无法满足。为应对这种情况，我们进一步扩展MTDnet并提出了一种跨域架构，能够利用辅助集来协助在小目标集上的训练。在实验中，我们的方法在包括CUHK03、CUHK01、VIPeR、iLIDS和PRID2011在内的代表性数据集上优于大多数现有行人ReID算法，这清楚地展示了所提方法的有效性。
引用
@article{arxiv.1607.05369,
title = {A Multi-task Deep Network for Person Re-identification},
author = {Weihua Chen and Xiaotang Chen and Jianguo Zhang and Kaiqi Huang},
journal= {arXiv preprint arXiv:1607.05369},
year = {2016}
}
备注
Accepted by AAAI2017