分而融合：一种用于行人重识别的重排序方法
计算机视觉与模式识别
2017-08-15 v1
摘要
重排序是提升大规模数据集上行人重识别（re-ID）性能的必要步骤，因此特征的多样性对行人重识别至关重要，这不仅体现在行人描述的设计上，也体现在基于特征融合的重排序中。然而，在许多情况下，只有一种类型的行人特征可用。本文提出了一种“分而用之”的行人重识别重排序框架。该方法在没有其他特征可用的情况下，利用高维特征向量不同部分之间的多样性进行基于融合的重排序。具体而言，给定一张图像，提取的特征被划分为多个子特征。然后，每个子特征的上下文信息被迭代编码为一个新特征。最后，来自同一图像的新特征被融合为一个向量用于重排序。在两个行人重识别基准数据集上的实验结果证明了所提框架的有效性。特别是，我们的方法在 Market-1501 数据集上超越了当前最优性能。
引用
@article{arxiv.1708.04169,
title = {Divide and Fuse: A Re-ranking Approach for Person Re-identification},
author = {Rui Yu and Zhichao Zhou and Song Bai and Xiang Bai},
journal= {arXiv preprint arXiv:1708.04169},
year = {2017}
}
备注
Accepted by BMVC2017