面向行人重识别的集成特征
计算机视觉与模式识别
2019-01-18 v1
摘要
在行人重识别(re-ID)中，关键任务是特征表示，用于在预测中计算距离或相似度。当引入深度学习方法解决该问题时，行人重识别取得了巨大提升。卷积神经网络(CNN)提取的特征比手工特征更有效且更具判别力。然而，单个CNN网络提取的深度特征在测试阶段不够鲁棒。为提升特征表示能力，我们提出一种新的集成网络(EnsembleNet)，将单一网络划分为多个端到端分支。集成特征通过拼接各分支特征来表示行人。EnsembleNet基于ResNet-50设计，其主干共享大部分参数以节省计算与内存开销。实验结果表明，我们的EnsembleNet在公开Market1501、DukeMTMC-reID与CUHK03行人重识别基准上达到了最先进性能。
引用
@article{arxiv.1901.05798,
title = {Ensemble Feature for Person Re-Identification},
author = {Jiabao Wang and Yang Li and Zhuang Miao},
journal= {arXiv preprint arXiv:1901.05798},
year = {2019}
}