生成对抗网络在行人重识别系统数据增强中的应用综述
计算机视觉与模式识别
2023-06-13 v3 人工智能
摘要
近年来，人们对自动行人重识别系统的兴趣显著增长，主要用于开发监控和智能商店软件。由于行人姿态的多变性、不同的光照条件、遮挡场景以及不同摄像头获取图像质量较差，这目前仍是一个未解决的问题。在数据集有限的基于机器学习的计算机视觉应用中，提高重识别系统性能的一种可能途径是通过增强用于训练神经模型的图像或视频集。目前，为数据增强生成合成信息（无论是视频、图像还是文本）的最稳健方法之一是生成对抗网络。本文综述了利用生成对抗网络通过数据增强来提升行人重识别模型性能的最新相关方法。我们重点关注三类数据增强方法：风格迁移、姿态迁移和随机生成。
引用
@article{arxiv.2302.09119,
title = {A Review on Generative Adversarial Networks for Data Augmentation in Person Re-Identification Systems},
author = {Victor Uc-Cetina and Laura Alvarez-Gonzalez and Anabel Martin-Gonzalez},
journal= {arXiv preprint arXiv:2302.09119},
year = {2023}
}