用于行人重识别的深度学习部位对齐表示
计算机视觉与模式识别
2017-07-25 v1
摘要
在本文中，我们解决行人重识别问题，即关联来自不同摄像头捕捉到的行人。我们提出一种简单而有效的人体部位对齐表示，用于处理身体部位不对齐问题。我们的方法将人体分解为对行人匹配具有判别力的区域（部位），相应地计算这些区域上的表示，并将一对查询图像和图库图像对应区域之间计算的相似度聚合为整体匹配分数。受注意力模型启发，我们的构想是一个对这三个步骤一起建模的深度神经网络，通过最小化三元组损失函数来学习，无需身体部位标注信息。与大多数学习全局或基于空间划分的局部表示的现有深度学习算法不同，我们的方法执行人体部位划分，因此对姿态变化和行人边界框内各种人体空间分布更具鲁棒性。我们的方法在标准数据集 Market-1501、CUHK03、CUHK01 和 VIPeR 上展示了最先进的结果。
引用
@article{arxiv.1707.07256,
title = {Deeply-Learned Part-Aligned Representations for Person Re-Identification},
author = {Liming Zhao and Xi Li and Jingdong Wang and Yueting Zhuang},
journal= {arXiv preprint arXiv:1707.07256},
year = {2017}
}
备注
Accepted by ICCV 2017