深度行人重识别的实用技巧与强基线方法
计算机视觉与模式识别
2019-06-19 v3
摘要
本文探讨了一种简单高效的行人重识别（ReID）基线方法。近年来，基于深度神经网络的行人重识别（ReID）取得了进展并获得了高性能。然而，许多最先进的方法设计了复杂的网络结构并拼接多分支特征。在已有文献中，一些有效的训练技巧零星出现在若干论文或源代码中。本文收集并评估了这些在行人ReID中有效的训练技巧。通过将这些技巧组合在一起，该模型在仅使用全局特征的情况下，在Market1501上取得了94.5%的rank-1准确率和85.9%的mAP。我们的代码和模型可在 https://github.com/michuanhaohao/reid-strong-baseline 获取。
引用
@article{arxiv.1903.07071,
title = {Bag of Tricks and A Strong Baseline for Deep Person Re-identification},
author = {Hao Luo and Youzhi Gu and Xingyu Liao and Shenqi Lai and Wei Jiang},
journal= {arXiv preprint arXiv:1903.07071},
year = {2019}
}
备注
CVPR2019 Workshop. Code is available at https://github.com/michuanhaohao/reid-strong-baseline