基于掩码正则化的步态识别
计算机视觉与模式识别
2022-03-09 v1
摘要
大多数步态识别方法从静态外观与动态行走模式中挖掘时空表示。然而,我们观察到许多基于部件的方法忽略了边界处的表示。此外,步态识别中对训练数据的过拟合现象较为普遍,这或许源于数据不足与低信息量的步态轮廓。受这些观察启发,我们提出一种名为 ReverseMask 的新型基于掩码的正则化方法。通过对特征图注入扰动,该正则化方法帮助卷积架构学习判别性表示并增强泛化能力。我们还设计了一个类 Inception 的 ReverseMask 块,其由全局分支、特征丢弃分支与特征缩放分支三个分支组成。确切地说,丢弃分支在部分激活置零时可提取细粒度表示。同时,缩放分支随机缩放特征图,保持激活的结构信息并防止过拟合。该即插即用类 Inception 的 ReverseMask 块简单有效,可泛化网络,并提升许多最先进方法的性能。大量实验表明,ReverseMask 正则化助基线取得更高精度与更好泛化。此外,带类 Inception 块的基线在两个最流行数据集 CASIA-B 和 OUMVLP 上显著优于最先进方法。源代码将公开。
引用
@article{arxiv.2203.04038,
title = {Gait Recognition with Mask-based Regularization},
author = {Chuanfu Shen and Beibei Lin and Shunli Zhang and George Q. Huang and Shiqi Yu and Xin Yu},
journal= {arXiv preprint arXiv:2203.04038},
year = {2022}
}
备注
14 pages,4 figues