面向无监督视频行人重识别的深度关联学习
计算机视觉与模式识别
2018-08-23 v1
摘要
深度学习方法已开始主导基于视频的行人重识别 (re-id) 的研究进展。然而，现有方法多考虑有监督学习，需要对跨视角成对数据进行详尽的人工标注。因此，它们在现实世界视频监控应用中严重缺乏可扩展性与实用性。本文中，为处理视频行人重识别任务，我们提出一种新颖的深度关联学习 (DAL) 方案，这是首个在模型初始化与训练中不使用任何身份标签的端到端深度学习方法。DAL 通过端到端方式联合优化两个基于间隔的关联损失来学习深度重识别匹配模型，有效约束每帧与最佳匹配的相机内表示和跨相机表示相关联。现有标准 CNN 可轻易用于我们的 DAL 方案中。实验结果表明，我们提出的 DAL 在三个基准 PRID 2011、iLIDS-VID 和 MARS 上显著优于当前最先进的无监督视频行人重识别方法。
引用
@article{arxiv.1808.07301,
title = {Deep Association Learning for Unsupervised Video Person Re-identification},
author = {Yanbei Chen and Xiatian Zhu and Shaogang Gong},
journal= {arXiv preprint arXiv:1808.07301},
year = {2018}
}
备注
Accepted by BMVC2018