GLAD：用于行人检索的全局-局部对齐描述符
计算机视觉与模式识别
2017-09-14 v1
摘要
人体姿态的巨大差异以及检测到的人体图像的对齐不良显著增加了行人重识别（Re-ID）的难度。此外，需要高效的Re-ID系统来应对视频监控系统产生的海量视觉数据。针对解决这些问题，本工作分别提出了一种全局-局部对齐描述符（GLAD）和一种高效的索引与检索框架。GLAD显式利用人体中的局部与全局线索来生成具有区分性和鲁棒性的表示。它由部件提取和描述符学习模块组成，其中首先检测若干部件区域，然后设计深度神经网络用于局部和全局区域上的表示学习。设计了一种分层索引与检索框架以消除画廊集中的巨大冗余，并加速在线Re-ID过程。大量实验结果表明，GLAD与最先进的方法相比取得了具有竞争力的精度。我们的检索框架在不损失精度的情况下显著加速了在线Re-ID过程。因此，本工作在真实场景下的行人Re-ID任务中具有更好的潜力。
引用
@article{arxiv.1709.04329,
title = {GLAD: Global-Local-Alignment Descriptor for Pedestrian Retrieval},
author = {Longhui Wei and Shiliang Zhang and Hantao Yao and Wen Gao and Qi Tian},
journal= {arXiv preprint arXiv:1709.04329},
year = {2017}
}
备注
Accepted by ACM MM2017, 9 pages, 5 figures