面向场景无关行人重识别的深度 CNN 基线评估
计算机视觉与模式识别
2019-07-31 v1
摘要
近年来，多种基于深度卷积神经网络（CNN）的提出方法改进了大规模行人重识别（ReID）的最先进水平。尽管已提出大量优化和网络改进，但对于训练数据和基线网络架构影响的评估相对较少。特别是，通常假设网络在部署位置使用标记数据训练（场景相关），或使用无标记数据适配，这两者都使系统部署复杂化。本文中，我们通过构建大型复合训练数据集来研究实现场景无关行人 ReID 的可行性。我们针对场景相关和场景无关 ReID，在一系列训练数据集规模下对若干 CNN 基线架构进行了深入比较。我们表明场景无关 ReID 可产生领先的结果，与无监督域适应技术相竞争。最后，我们引入了一个新数据集用于比较相机内和跨相机行人 ReID。
引用
@article{arxiv.1805.06086,
title = {An Evaluation of Deep CNN Baselines for Scene-Independent Person Re-Identification},
author = {Paul Marchwica and Michael Jamieson and Parthipan Siva},
journal= {arXiv preprint arXiv:1805.06086},
year = {2019}
}
备注
To be published in 2018 15th Conference on Computer and Robot Vision (CRV)