细粒度重识别
计算机视觉与模式识别
2021-03-23 v2
摘要
重识别（ReID）任务因诸多应用场景与零样本学习特性，在计算机视觉领域的研究正获得势头。本文提出一种计算高效的细粒度 ReID 模型 FGReID，它是首批在保持训练参数量最小的同时统一图像与视频 ReID 的模型之一。FGReID 利用基于视频的预训练与空间特征注意力来提升在视频与图像 ReID 任务上的性能。FGReID 在 MARS、iLIDS-VID 与 PRID-2011 视频行人 ReID 基准上达到最先进（SOTA）。去除时间池化得到一个图像 ReID 模型，在 CUHK01 与 Market1501 图像行人 ReID 基准上超越 SOTA。FGReID 在车辆 ReID 数据集 VeRi 上也取得接近 SOTA 的性能，展示了其泛化能力。此外我们做了消融研究，分析影响 ReID 任务模型性能的关键特征。最后，我们讨论与 ReID 任务相关的道德困境，包括被滥用的可能。本工作的代码公开于 https://github.com/ppriyank/Fine-grained-ReIdentification。
引用
@article{arxiv.2011.13475,
title = {Fine-Grained Re-Identification},
author = {Priyank Pathak},
journal= {arXiv preprint arXiv:2011.13475},
year = {2021}
}