属性引导的稀疏张量行人重识别模型
计算机视觉与模式识别
2021-08-11 v1
摘要
对人的视觉感知很容易受到相机参数、姿态和视角变化等多种因素的影响。这些变化使得行人重识别成为一个具有挑战性的问题。然而，人类属性通常是针对这些变化的稳健视觉属性。在本文中，我们提出了一种新方法，利用来自人类属性的特征进行行人重识别。我们的模型使用张量非线性融合身份和属性特征，然后在损失函数中约束张量参数以生成用于重识别的判别性融合特征。由于基于张量的方法通常包含大量参数，训练所有这些参数变得非常慢，并且过拟合的几率也会增加。为了解决这个问题，我们基于结构化稀疏学习 (SSL) 和张量分解 (TD) 方法提出了两种新技术，以创建一个准确且稳定的学习问题。我们在几个标准行人数据集上进行了实验，实验结果表明，我们基于张量的方法显著改善了行人重识别基线，并且也优于现有最佳方法。
引用
@article{arxiv.2108.04352,
title = {Attribute Guided Sparse Tensor-Based Model for Person Re-Identification},
author = {Fariborz Taherkhani and Ali Dabouei and Sobhan Soleymani and Jeremy Dawson and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2108.04352},
year = {2021}
}