用于行人重识别的聚类损失
计算机视觉与模式识别
2018-12-27 v1
摘要
行人重识别（ReID）是计算机视觉中的一个重要问题，尤其对于视频监控应用。该问题侧重于在不同摄像头或同一摄像头的不同帧之间识别人物。主要挑战在于在较大的外观和结构变化下识别同一人的相似性，同时区分不同个体。最近，带有三元组损失的深度学习网络已成为行人 ReID 的常见框架。然而，三元组损失侧重于在训练集上获得正确的排序。我们证明它在聚类任务中表现较差。在本文中，我们设计了一种聚类损失，与三元组损失相比，它能使模型输出具有更大的类间差异和更小的类内差异。因此，我们的模型具有更好的泛化能力，并且可以在测试集上实现更高的准确率，特别是在聚类任务中。我们还引入了批难训练机制，以改善结果并加快训练收敛速度。
引用
@article{arxiv.1812.10325,
title = {Cluster Loss for Person Re-Identification},
author = {Doney Alex and Zishan Sami and Sumandeep Banerjee and Subrat Panda},
journal= {arXiv preprint arXiv:1812.10325},
year = {2018}
}
备注
Published in 11th Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP 2018). arXiv admin note: text overlap with arXiv:1610.02984, arXiv:1703.07737, arXiv:1704.01719, arXiv:1511.09123 by other authors