用于行人重识别的增强深度特征表示
计算机视觉与模式识别
2016-11-18 v2
摘要
特征表示与度量学习是行人重识别模型中的两个关键组件。本文关注特征表示，并主张手工直方图特征可补充卷积神经网络（CNN）特征。我们提出一种称为特征融合网络（Feature Fusion Net, FFN）的新型特征提取模型用于行人图像表示。在FFN中，反向传播使CNN特征受手工特征约束。利用颜色直方图特征（RGB、HSV、YCbCr、Lab和YIQ）与纹理特征（多尺度多方向Gabor特征），我们得到一种更具区分性且更紧凑的新深度特征表示。在三个具有挑战性的数据集（VIPeR、CUHK01、PRID450s）上的实验验证了我们所提方法的有效性。
引用
@article{arxiv.1604.07807,
title = {An Enhanced Deep Feature Representation for Person Re-identification},
author = {Shangxuan Wu and Ying-Cong Chen and Xiang Li and An-Cong Wu and Jin-Jie You and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:1604.07807},
year = {2016}
}
备注
Citation for this paper: Shangxuan Wu, Ying-Cong Chen, Xiang Li, An-Cong Wu, Jin-Jie You, and Wei-Shi Zheng. An Enhanced Deep Feature Representation for Person Re-identification. In IEEE WACV, 2016