基于身份知识演化的相机增量目标重识别
计算机视觉与模式识别
2023-05-26 v1
摘要
目标重识别（ReID）旨在基于在无固定相机的数据集上推断的 ReID 模型，通过关联和收集所有相机视角下的身份，从大量画廊图像中检索探针目标。当在真实场景中部署 ReID 算法时，存储、隐私约束以及相机的动态变化会降低其泛化性和适用性。我们将每个相机的数据独立处理，引入了一种名为相机增量目标重识别（CIOR）的新 ReID 任务，通过持续优化来自相机数据集流入流的 ReID 模型。由于不同相机视角下的身份可能描述同一目标，关联并蒸馏公共身份的知识将提升判别力并有助于缓解灾难性遗忘。在本文中，我们为 CIOR 提出了一种新颖的身份知识演化（IKE）框架，由身份知识关联（IKA）、身份知识蒸馏（IKD）和身份知识更新（IKU）组成。IKA 用于发现当前身份与历史身份之间的公共身份。IKD 用于从公共身份中蒸馏历史身份知识，并快速将历史模型适配到当前相机视角。在每个相机训练完毕后，IKU 用于通过结合历史和当前身份记忆来持续扩展身份知识。在 Market-CL 和 Veri-CL 上的评估显示了身份知识演化（IKE）对 CIOR 的有效性。代码：https://github.com/htyao89/Camera-Incremental-Object-ReID
引用
@article{arxiv.2305.15909,
title = {Camera-Incremental Object Re-Identification with Identity Knowledge Evolution},
author = {Hantao Yao and Lu Yu and Jifei Luo and Changsheng Xu},
journal= {arXiv preprint arXiv:2305.15909},
year = {2023}
}