用于行人重识别的门控 Siamese 卷积神经网络架构
计算机视觉与模式识别
2016-09-27 v2
摘要
跨多个摄像头视图匹配行人，即行人重识别，是一个具有众多视觉监控应用的研究难题。随着卷积神经网络 (CNNs) 的复兴，几种端到端的深度 Siamese CNN 架构已被提出用于行人重识别，其目标是将相似对（即相同身份）的图像投影得更近，而将不相似对的图像投影得更远。然而，当前的网络为每张图像提取固定的表示，而不考虑与其配对的其它图像，并且与其他图像的比较仅在最终层级进行。在这种设置下，网络有可能无法提取对于区分正对和困难负对至关重要的更精细的局部模式。在本文中，我们提出了一种门控函数，通过比较图像对之间的中层特征来选择性地强调这些精细的公共局部模式。这为同一图像根据其配对的图像产生了灵活的表示。我们在 CUHK03、Market-1501 和 VIPeR 数据集上进行了实验，并展示了相比基线 Siamese CNN 架构的性能提升。
引用
@article{arxiv.1607.08378,
title = {Gated Siamese Convolutional Neural Network Architecture for Human Re-Identification},
author = {Rahul Rama Varior and Mrinal Haloi and Gang Wang},
journal= {arXiv preprint arXiv:1607.08378},
year = {2016}
}
备注
Accepted to ECCV2016