面向行人重识别的紧凑网络训练
计算机视觉与模式识别
2020-04-10 v3 机器学习
摘要
行人重识别（ReID）任务近年来受到越来越多的关注，性能也随之提升，但很少聚焦于实际应用。大多数最先进（SotA）方法基于庞大的预训练模型，例如 ResNet50（约 2500 万参数），这使得它们实用性较差，且探索架构修改更为繁琐。在本研究中，我们专注于一个小尺寸的随机初始化模型，这使我们能够轻松引入适合行人重识别的架构和训练修改。我们的研究成果是一个紧凑网络和一套适配的训练方案。通过在 Market1501 和 DukeMTMC 上均超越最先进方法，我们展示了该网络的鲁棒性。此外，我们通过在多目标跟踪这一不同任务上取得最先进结果，证明了我们的 ReID 网络的表示能力。
引用
@article{arxiv.1910.07038,
title = {Compact Network Training for Person ReID},
author = {Hussam Lawen and Avi Ben-Cohen and Matan Protter and Itamar Friedman and Lihi Zelnik-Manor},
journal= {arXiv preprint arXiv:1910.07038},
year = {2020}
}