用于高效行人重识别的对抗二值编码
计算机视觉与模式识别
2018-04-09 v3
摘要
行人重识别（ReID）旨在跨不同视角/场景匹配行人。由于大规模数据应用的迫切需求，除准确率外，匹配效率也受到越来越多的关注。目前已提出几种基于二值编码的高效ReID方法，它们要么学习投影将高维特征映射为紧凑的二值码，要么通过简单插入一个带有类tanh激活函数的额外全连接层来直接采用深度神经网络。然而，前一种方法需要耗时的手工特征提取和复杂的（离散）优化；后一种方法由于直接的激活函数而极大地缺乏必要的判别信息。本文受对抗学习最新进展的启发，提出了一种简单而有效的高效ReID框架。具体而言，所提出的对抗二值编码（ABC）框架无需学习显式投影或添加全连接映射层，而是隐式且有效地引导二值码的提取。通过为ABC配备用于ReID任务的深度三元组网络，进一步增强了所提取码的判别能力。更重要的是，ABC和三元组网络以端到端的方式同时优化。在三个大规模ReID基准上的大量实验证明了本文方法优于现有SOTA方法。
引用
@article{arxiv.1803.10914,
title = {Adversarial Binary Coding for Efficient Person Re-identification},
author = {Zheng Liu and Jie Qin and Annan Li and Yunhong Wang and Luc Van Gool},
journal= {arXiv preprint arXiv:1803.10914},
year = {2018}
}
备注
17 pages, 6 figures, 8 tables. Codes: https://github.com/dongb5/AdversarialBinaryCoding4ReID