基于成对约束的跨视角核相似度度量学习用于行人重识别
计算机视觉与模式识别
2019-09-26 v1
摘要
行人重识别是指在非重叠摄像机间匹配行人图像的任务。本文中，我们提出一种非线性跨视角相似度度量学习方法，用于处理实际重识别系统中小尺寸训练数据的问题。该方法采用非线性映射，结合基于成对相似度约束的跨视角判别子空间学习与跨视角距离度量学习。它是 XQDA 从线性映射到使用核的非线性映射的自然扩展，并学习非线性变换以有效处理跨摄像机视角下行人外观的复杂非线性。重要的是，所提方法计算效率很高。在四个具有挑战性数据集上的大量实验表明，我们的方法达到了与最先进方法相竞争的性能。
引用
@article{arxiv.1909.11316,
title = {Cross-View Kernel Similarity Metric Learning Using Pairwise Constraints for Person Re-identification},
author = {T M Feroz Ali and Subhasis Chaudhuri},
journal= {arXiv preprint arXiv:1909.11316},
year = {2019}
}