用于行人重识别的孪生长短期记忆架构
计算机视觉与模式识别
2016-07-29 v1
摘要
跨多个摄像头视图匹配行人，即行人重识别（re-identification），是视觉监控中的一个挑战性难题。现有专注于特征提取的工作所形成的表征往往是局部的且独立于其他区域。我们提出了一种新颖的孪生长短期记忆（LSTM）架构，该架构能够顺序处理图像区域，并通过利用上下文信息增强局部特征表征的判别能力。LSTM 单元的反馈连接和内部门控机制使我们的模型能够记忆空间依赖关系，并有选择地通过网络传播相关的上下文信息。我们在 Market-1501、CUHK03 和 VIPeR 数据集上展示了优于无 LSTM 单元基线算法的性能，以及与最先进（state-of-the-art）方法相比的令人鼓舞的结果。对 LSTM 单元内部机制的可视化表明，我们的方法能够学习到有意义的模式。
引用
@article{arxiv.1607.08381,
title = {A Siamese Long Short-Term Memory Architecture for Human Re-Identification},
author = {Rahul Rama Varior and Bing Shuai and Jiwen Lu and Dong Xu and Gang Wang},
journal= {arXiv preprint arXiv:1607.08381},
year = {2016}
}