CHD：用于人体步态特征提取的连续水平 Dropout
计算机视觉与模式识别
2019-10-17 v2
摘要
尽管步态识别与行人重识别研究已取得诸多进展，但在某些特定情形下识别准确率仍不够高，例如行人携带背包或变换外套时。为缓解上述情形，我们提出一种简单而有效的连续水平 Dropout（Consecutive Horizontal Dropout, CHD）方法，应用于深度学习网络中的人体特征提取以避免过拟合。在 CHD 中，我们增强了深度学习网络对于跨视角步态识别与行人重识别的鲁棒性。实验表明，跨视角步态识别任务的 rank-1 准确率从 68.0% 提升至 78.201%（约提高 10%），行人重识别任务在穿外套或夹克条件下从 83.545% 提升至 91.364%（提高 8%）。此外，NM 条件下首次以 CHD 取得 100% 准确率。在 CASIA-B 基准上，上述准确率均为当前最优（state-of-the-art）。
引用
@article{arxiv.1910.05039,
title = {CHD:Consecutive Horizontal Dropout for Human Gait Feature Extraction},
author = {Chengtao Cai and Yueyuan Zhou and Yanming Wang},
journal= {arXiv preprint arXiv:1910.05039},
year = {2019}
}