基于属性与类别从单样本进行通用实例检索与重识别
计算机视觉与模式识别
2016-05-24 v1
摘要
本文旨在从单样本进行通用实例检索，其中实例可以是任意对象如鞋子，而不仅仅是像建筑和标志那样近平面且单面的实例。首先，我们评估了最先进的实例检索方法在该问题上的表现。我们观察到，对建筑有效的方法在鞋子上失去了通用性。其次，我们提出使用自动学习的类别特定属性来解决通用实例检索中存在的大幅外观变化。在相同类别的实例中搜索查询，类别特定属性在鞋子和汽车上大幅优于现有方法，并在建筑上达到最先进性能。第三，我们将行人重识别视为通用实例检索的一个特例。在流行的VIPeR数据集上，我们用相同方法达到了最先进性能。第四，我们将方法扩展到不限制于特定已知类别的对象搜索。我们表明，类别级信息与类别特定属性的组合优于结合类别级信息与低级特征（如Fisher vector）的替代方法。
引用
@article{arxiv.1605.07104,
title = {Generic Instance Search and Re-identification from One Example via Attributes and Categories},
author = {Ran Tao and Arnold W. M. Smeulders and Shih-Fu Chang},
journal= {arXiv preprint arXiv:1605.07104},
year = {2016}
}
备注
This technical report is an extended version of our previous conference paper 'Attributes and Categories for Generic Instance Search from One Example' (CVPR 2015)