面向行人重识别的分布上下文感知损失
计算机视觉与模式识别
2019-11-19 v1
摘要
为学习行人重识别中探针图像与图库图像间的最优相似度函数,有效的深度度量学习方法已被广泛探索以获取判别性特征嵌入。然而,现有的如三元组损失及其变体的度量损失总是强调成对关系而忽略特征空间中的分布上下文,导致不一致与次优。事实上,一对样本的相似性不仅决定该对的匹配,还对其他样本对具有潜在影响。本文中,我们提出一种基于三元组损失的新型分布上下文感知(DCA)损失,结合特征空间中的数值相似度与关系相似度以实现更好的聚类。在包括 Market-1501、DukeMTMC-reID 和 MSMT17 的三个基准上的大量实验证明了我们的方法相对于相应基线及其他最先进方法的优越性能。
引用
@article{arxiv.1911.07273,
title = {Distribution Context Aware Loss for Person Re-identification},
author = {Zhigang Chang and Qin Zhou and Mingyang Yu and Shibao Zheng and Hua Yang and Tai-Pang Wu},
journal= {arXiv preprint arXiv:1911.07273},
year = {2019}
}
备注
IEEE VCIP