面向行人重识别的相机风格自适应
计算机视觉与模式识别
2018-04-11 v2
摘要
作为一个跨相机检索任务，行人重识别受到不同相机所致图像风格变化的困扰。已有方法通过隐式学习相机不变描述子子空间来应对该问题。本文中，我们显式地通过引入相机风格（CamStyle）自适应来考虑这一挑战。CamStyle可作为一种数据增强方法，平滑相机风格差异。具体而言，利用CycleGAN可将带标签训练图像风格迁移至各相机，并与原始训练样本一起构成增强训练集。该方法在增加数据多样性以对抗过拟合的同时，也引入了相当程度的噪声。为减轻噪声影响，我们采用了标签平滑正则化（LSR）。我们方法的原始版本（不含LSR）在常发生过拟合的少相机系统中表现合理。结合LSR，我们展示了在所有系统中无论过拟合程度如何均有一致提升。我们也报告了与当前最优方法具有竞争力的准确率。
引用
@article{arxiv.1711.10295,
title = {Camera Style Adaptation for Person Re-identification},
author = {Zhun Zhong and Liang Zheng and Zhedong Zheng and Shaozi Li and Yi Yang},
journal= {arXiv preprint arXiv:1711.10295},
year = {2018}
}
备注
To appear in CVPR 2018