FD-GAN：用于鲁棒行人重识别的姿态引导特征蒸馏 GAN
计算机视觉与模式识别
2018-12-13 v2
摘要
行人重识别（reID）是一项重要任务，要求在给定感兴趣行人一张图像时，从图像数据集中检索该人的图像。为学习鲁棒行人特征，行人图像的姿态变化是关键挑战之一。现有针对该问题的工作或进行人体对齐，或学习基于人体区域的表征，推理时通常需要额外姿态信息与计算开销。为解决此问题，提出一种特征蒸馏生成对抗网络（FD-GAN）以学习身份相关且姿态无关表征。其是一种基于孪生结构、带多个针对人体姿态与身份的新型判别器的全新框架。除判别器外，还引入一种新颖的同姿态损失，要求同一人生成图像的外观相似。在姿态引导学习到姿态无关行人特征后，测试阶段无需辅助姿态信息与额外计算开销。我们提出的 FD-GAN 在三个行人重识别数据集上取得最先进性能，证明了其所具有效性与鲁棒特征蒸馏能力。
引用
@article{arxiv.1810.02936,
title = {FD-GAN: Pose-guided Feature Distilling GAN for Robust Person Re-identification},
author = {Yixiao Ge and Zhuowan Li and Haiyu Zhao and Guojun Yin and Shuai Yi and Xiaogang Wang and Hongsheng Li},
journal= {arXiv preprint arXiv:1810.02936},
year = {2018}
}
备注
Accepted in Proceedings of 32nd Conference on Neural Information Processing Systems (NeurIPS 2018). Code available: https://github.com/yxgeee/FD-GAN