面向单摄像头训练人体重识别的相机不变元学习网络
计算机视觉与模式识别
2024-06-24 v1 人工智能
摘要
单摄像头训练人体重识别（SCT re-ID）旨在使用人脸仅出现于单一摄像头的训练数据集来训练重识别模型。SCT re-ID的主要挑战在于，在缺乏跨摄像头相同人员（CCSP）数据作为监督的情况下，如何学习相机不变的特征表示。以往方法通过假设最相似的人员应出现在另一台摄像头中来解决此问题，但该假设并不一定成立。本文提出了一种名为CIMN（Camera-Invariant Meta-Learning Network）的相机不变元学习网络，用于SCT re-ID。CIMN基于假设，相机不变特征表示应对相机变化具有鲁棒性。为此，我们基于摄像头ID将训练数据划分为元训练集和元测试集，并通过元学习策略进行跨摄像头模拟，以强化从元训练集学习到的特征表示对元测试集的鲁棒性。通过这种跨摄像头模拟，CIMN可以在没有CCSP数据的情况下学习到相机不变且身份判别性强的特征表示。然而，这种模拟也导致元训练集和元测试集之间的关系被忽略。因此，我们引入了三种损失函数：元三角损失、元分类损失和元相机对齐损失，以利用被忽略的关系。实验结果表明，我们的方法在有无CCSP数据的情况下均能实现相当的性能，并在SCT re-ID基准测试中超越当前最先进的方法。此外，该方法也能有效提高模型的域泛化能力。
引用
@article{arxiv.2406.14797,
title = {Camera-Invariant Meta-Learning Network for Single-Camera-Training Person Re-identification},
author = {Jiangbo Pei and Zhuqing Jiang and Aidong Men and Haiying Wang and Haiyong Luo and Shiping Wen},
journal= {arXiv preprint arXiv:2406.14797},
year = {2024}
}