面向行人重识别的深度分组洗牌随机游走
计算机视觉与模式识别
2018-07-31 v1
摘要
行人重识别旨在通过将该人的探针图像与所有画廊图像比较，在图像库中找出感兴趣的人。它通常被视为检索问题，其中探针图像与画廊图像之间的亲和度（P2G 亲和度）用于对检索出的画廊图像排序。然而，大多数现有方法仅考虑 P2G 亲和度而忽略所有画廊图像之间的亲和度（G2G 亲和度）。一些框架将 G2G 亲和度纳入测试过程，但这对深度神经网络而言并非端到端可训练。本文中，我们提出一种新颖的分组洗牌随机游走网络，以在训练与测试过程中充分利用画廊图像间的亲和度信息。所提方法旨在通过简单而有效的矩阵运算，基于 G2G 亲和度信息端到端地精炼 P2G 亲和度，并可集成到深度神经网络中。我们还提出了特征分组与组洗牌，以施加丰富监督来学习更好的行人特征。所提方法在 Market-1501、CUHK03 和 DukeMTMC 数据集上以较大优势优于 SOTA 方法，证明了我们方法的有效性。
引用
@article{arxiv.1807.11178,
title = {Deep Group-shuffling Random Walk for Person Re-identification},
author = {Yantao Shen and Hongsheng Li and Tong Xiao and Shuai Yi and Dapeng Chen and Xiaogang Wang},
journal= {arXiv preprint arXiv:1807.11178},
year = {2018}
}
备注
CVPR 2018 poster