推进行人重识别：基于张量的特征融合与多线性子空间学习
计算机视觉与模式识别
2023-12-29 v1
摘要
行人重识别（PRe-ID）是一个计算机视觉问题，近年来一直是富有成果的研究领域。其目标是在不同非重叠摄像机视角下识别行人。本文提出了一种新颖的PRe-ID系统，结合了张量特征表示与多线性子空间学习。我们的方法利用预训练卷积神经网络（CNN）作为强大的深度特征提取器，并辅以两种互补描述子：局部最大出现（LOMO）和高斯中的高斯（GOG）。然后，使用基于张量的跨视角二次判别分析（TXQDA）学习一个判别性子空间，以增强不同个体之间的可分离性。采用马氏距离进行查询样本与图库样本之间的匹配与相似度计算。最后，我们在VIPeR、GRID和PRID450s三个数据集上进行实验评估了我们的方法。
引用
@article{arxiv.2312.16226,
title = {Advancing Person Re-Identification: Tensor-based Feature Fusion and Multilinear Subspace Learning},
author = {Akram Abderraouf Gharbi and Ammar Chouchane and Abdelmalik Ouamane},
journal= {arXiv preprint arXiv:2312.16226},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2312.10470