面向部分行人重识别的深度空间特征重建：无对齐方法
计算机视觉与模式识别
2018-09-05 v3
摘要
部分行人重识别（re-id）是一个具有挑战性的问题，其中仅能利用行人的若干局部观测（图像）进行匹配。然而，很少有研究提供灵活的方案来识别包含任意身体部位的图像中的行人。本文提出一种快速准确的匹配方法来解决该问题。所提方法利用全卷积网络（FCN）生成固定尺寸的空间特征图，从而使得像素级特征保持一致。为匹配一对不同尺寸的行人图像，进一步提出了一种称为深度空间特征重建（DSR）的新方法来避免显式对齐。具体而言，DSR利用来自常用字典学习模型的重建误差来计算不同空间特征图之间的相似度。通过这种方式，我们期望所提FCN能够降低不同行人对应图像对的相似度，并提高同一行人对应图像对的相似度。在两个部分行人数据集上的实验结果表明，与几种最先进的部分行人重识别方法相比，所提方法具有高效性和有效性。此外，DSR在基准行人数据集Market1501上取得了具有竞争力的结果，Rank-1准确率为83.58%。
引用
@article{arxiv.1801.00881,
title = {Deep Spatial Feature Reconstruction for Partial Person Re-identification: Alignment-Free Approach},
author = {Lingxiao He and Jian Liang and Haiqing Li and Zhenan Sun},
journal= {arXiv preprint arXiv:1801.00881},
year = {2018}
}
备注
8 pages, 11 figures, accepted by CVPR 2018