AlignedReID：超越人体水平的行人重识别性能
计算机视觉与模式识别
2018-02-01 v2
摘要
本文中，我们提出一种称为 AlignedReID 的新方法，其提取一个与局部特征联合学习的全局特征。全局特征学习极大受益于局部特征学习，后者通过分别计算两组局部特征间的最短路径来执行对齐/匹配，且无需额外监督。联合学习后，我们仅保留全局特征来计算图像间的相似度。我们的方法在 Market1501 上取得 94.4% 的 rank-1 准确率，在 CUHK03 上取得 97.8%，大幅优于当前最优方法。我们还评估了人体水平性能，并表明我们的方法是首个在广泛使用的行人重识别数据集 Market1501 与 CUHK03 上超越人体水平性能的方法。
引用
@article{arxiv.1711.08184,
title = {AlignedReID: Surpassing Human-Level Performance in Person Re-Identification},
author = {Xuan Zhang and Hao Luo and Xing Fan and Weilai Xiang and Yixiao Sun and Qiqi Xiao and Wei Jiang and Chi Zhang and Jian Sun},
journal= {arXiv preprint arXiv:1711.08184},
year = {2018}
}
备注
9 pages, 8 figures