利用鲁棒无监督视频行人重识别
计算机视觉与模式识别
2022-02-15 v3
摘要
无监督视频行人重识别(reID)方法通常依赖于全局级特征。许多有监督的reID方法采用了局部级特征并取得了显著的性能提升。然而,将局部级特征应用于无监督方法可能会引入不稳定的性能。为提高无监督视频reID的性能稳定性,本文提出了一种融合部件模型与无监督学习的通用方案。在该方案中,全局级特征被划分为等分的局部级特征。采用局部感知模块来挖掘局部级特征在无监督学习中的潜力。提出全局感知模块以克服局部级特征的缺陷。来自这两个模块的特征被融合以形成对每个输入图像的鲁棒特征表示。该特征表示具有局部级特征的优势而不受其缺陷影响。在PRID2011、iLIDS-VID和DukeMTMC-VideoReID三个基准上进行了综合实验,结果表明所提方法达到了state-of-the-art性能。大量消融实验证明了所提方案、局部感知模块和全局感知模块的有效性与鲁棒性。代码与生成的特征见https://github.com/deropty/uPMnet。
引用
@article{arxiv.2111.05170,
title = {Exploiting Robust Unsupervised Video Person Re-identification},
author = {Xianghao Zang and Ge Li and Wei Gao and Xiujun Shu},
journal= {arXiv preprint arXiv:2111.05170},
year = {2022}
}
备注
Preprint version; Accepted by IET Image Processing