GaitMPL：基于记忆增强渐进学习的步态识别
计算机视觉与模式识别
2023-06-09 v1
摘要
步态识别旨在根据行人的生物特征步态模式在远距离识别行人。由于各种协变量以及剪影（无纹理、无颜色）的特性，这 inherently 具有挑战性，导致了两类成对困难样本：同一行人可能具有不同剪影（类内多样性），不同行人可能具有相似剪影（类间相似性）。在本工作中，我们提出用记忆增强渐进学习网络（GaitMPL）解决困难样本问题，包括动态重加权渐进学习模块（DRPL）和全局结构对齐记忆库（GSAM）。具体而言，DRPL通过由易到难的渐进学习降低困难样本的学习难度。GSAM进一步以结构对齐记忆机制增强DRPL，该机制维护并建模每个ID的特征分布。在两个常用数据集CASIA-B和OU-MVLP上的实验证明了GaitMPL的有效性。在CASIA-B上，我们实现了最先进的性能，即在最具挑战性的条件（Clothing）下为88.0%，平均条件下为93.3%，分别优于其他方法至少3.8%和1.4%。
引用
@article{arxiv.2306.04650,
title = {GaitMPL: Gait Recognition with Memory-Augmented Progressive Learning},
author = {Huanzhang Dou and Pengyi Zhang and Yuhan Zhao and Lin Dong and Zequn Qin and Xi Li},
journal= {arXiv preprint arXiv:2306.04650},
year = {2023}
}
备注
Accepted by TIP2022