面向行人重识别的图对应迁移方法
计算机视觉与模式识别
2018-04-03 v1
摘要
本文提出一种用于行人重识别的图对应迁移（GCT）方法。与现有方法不同，GCT模型将行人重识别建模为离线图匹配与在线对应迁移问题。具体而言，在训练阶段，GCT模型旨在通过块级图匹配从具有不同姿态对配置的正训练样本对中离线学习一组对应模板。在测试阶段，对于每对测试样本，我们选取若干姿态对配置最相似的训练样本对作为参考，并将这些参考的对应关系到测试样本对上以计算特征距离。匹配分数由来自不同参考的距离聚合得到。对于每个查询图像，匹配分数最高的画廊图像即为重识别结果。得益于块级图匹配的优势，与现有算法相比，我们的GCT能够处理由视角和人体姿态的大幅变化引起的空间错位。在VIPeR、Road、PRID450S、3DPES和CUHK01五个基准上的大量实验证明了GCT模型优于其他最先进方法的性能。
引用
@article{arxiv.1804.00242,
title = {Graph Correspondence Transfer for Person Re-identification},
author = {Qin Zhou and Heng Fan and Shibao Zheng and Hang Su and Xinzhe Li and Shuang Wu and Haibin Ling},
journal= {arXiv preprint arXiv:1804.00242},
year = {2018}
}
备注
Accepted to AAAI'18 (Oral). The code is available at http://www.dabi.temple.edu/~hbling/code/gct.htm