用于行人重识别的端到端深度克罗内克积匹配
计算机视觉与模式识别
2018-07-31 v1
摘要
行人重识别旨在稳健地度量行人图像之间的相似性。行人姿态与视角显著变化给准确的行人重识别带来了挑战。查询行人图像之间的空间布局与对应关系是解决该问题的关键信息，但大多数最先进的方法都忽略了这一点。本文提出一种新颖的克罗内克积匹配模块，在端到端可训练的深层神经网络中匹配不同行人的特征图。设计了一种基于匹配结果对齐特征图的特征软扭曲方案，其被证明对取得优越精度至关重要。还利用了基于类沙漏网络的多尺度特征与自残差注意力来进一步提升重识别性能。所提方法在 Market-1501、CUHK03 和 DukeMTMC 数据集上优于最先进的方法，证明了我们方法的有效性与泛化能力。
引用
@article{arxiv.1807.11182,
title = {End-to-End Deep Kronecker-Product Matching for Person Re-identification},
author = {Yantao Shen and Tong Xiao and Hongsheng Li and Shuai Yi and Xiaogang Wang},
journal= {arXiv preprint arXiv:1807.11182},
year = {2018}
}
备注
CVPR 2018 poster