在聚合数据集上顺序训练的端到端行人搜索
计算机视觉与模式识别
2022-01-25 v1
摘要
在视频监控应用中，行人搜索是一项具有挑战性的任务，包括检测行人并从其轮廓中提取特征以用于重识别（re-ID）目的。我们提出了一种新的端到端模型，通过单个深度卷积神经网络架构联合计算检测和特征提取步骤。在两个任务之间共享特征图以共同描述行人的共性和特性，可以实现更快的运行速度，这在实际应用中很有价值。除了达到最先进的准确率外，这种多任务模型可以按任务顺序进行训练，从而更广泛地接受输入数据集类型。事实上，我们表明，在不使用昂贵的身份标注的情况下聚合更多的行人检测数据集，可以使共享特征图更具通用性，并提高重识别精度。此外，这些增强的共享特征图使得重识别特征在跨数据集场景下更加鲁棒。
引用
@article{arxiv.2201.09604,
title = {End-to-end Person Search Sequentially Trained on Aggregated Dataset},
author = {Angelique Loesch and Jaonary Rabarisoa and Romaric Audigier},
journal= {arXiv preprint arXiv:2201.09604},
year = {2022}
}
备注
5 pages