面向步态识别的广义类间损失
计算机视觉与模式识别
2022-10-14 v1
摘要
步态识别是一种独特的生物特征识别技术，可在远距离非配合情况下完成，在公共安全和智能交通系统中具有广泛应用。以往的步态工作更多关注最小化类内方差，而忽略了约束类间方差的重要性。为此，我们提出了一种广义类间损失，从样本级特征分布和类级特征分布两方面解决类间方差问题。与对成对得分施加相等惩罚强度不同，所提损失通过动态调整成对权重来优化样本级类间特征分布。此外，在类级分布中，广义类间损失对类间特征分布的均匀性施加约束，迫使特征表示逼近超球面并保持最大类间方差。并且，该方法自动调整类间间隔，使类间特征分布更加灵活。所提方法可泛化至不同的步态识别网络并取得显著提升。我们在 CASIA-B 和 OUMVLP 上进行了一系列实验，实验结果表明所提损失能显著提升性能并取得最先进的性能。
引用
@article{arxiv.2210.06779,
title = {Generalized Inter-class Loss for Gait Recognition},
author = {Weichen Yu and Hongyuan Yu and Yan Huang and Liang Wang},
journal= {arXiv preprint arXiv:2210.06779},
year = {2022}
}
备注
to be published in ACMMM 2022