面向行人重识别的深度混合相似性学习
计算机视觉与模式识别
2017-02-20 v2
摘要
行人重识别（Re-ID）旨在匹配由两个不重叠摄像机拍摄的行人图像。本文提出一种基于卷积神经网络（CNN）的面向行人重识别的深度混合相似性学习（DHSL）方法。在我们的方法中，针对输入图像对同时提取CNN学习特征对。随后，计算该CNN学习特征对的逐元素绝对差与乘积。最后，设计一种混合相似性函数以度量特征对之间的相似性，其通过一组权重系数将逐元素绝对差与乘积投影为相似性得分来实现。因此，所提DHSL方法能够合理分配CNN中特征学习与度量学习的参数，从而提升行人重识别性能。在三个具有挑战性的行人重识别数据库QMUL GRID、VIPeR和CUHK03上的实验表明，所提DHSL方法优于多种当前最优（state-of-the-art）行人重识别方法。
引用
@article{arxiv.1702.04858,
title = {Deep Hybrid Similarity Learning for Person Re-identification},
author = {Jianqing Zhu and Huanqiang Zeng and Shengcai Liao and Zhen Lei and Canhui Cai and LiXin Zheng},
journal= {arXiv preprint arXiv:1702.04858},
year = {2017}
}
备注
10 pages, 12 figures, fixed typo errors in Fig.8