GreyReID：一种基于 RGB-灰度信息的双流深度框架用于行人重识别
计算机视觉与模式识别
2020-08-31 v2
摘要
在本文中，我们观察到在行人重识别（Re-ID）中，排序列表前排的大多数假阳性图像（即与查询图像身份不同的图像）通常具有与查询图像相似的颜色信息。同时，当我们使用由 RGB 图像生成的灰度图像来执行行人 Re-ID 任务时，一些困难查询图像相比使用 RGB 图像能获得更好的性能。因此，RGB 与灰度图像似乎对行人 Re-ID 是互补的。本文旨在利用 RGB 与灰度图像来提升行人 Re-ID 性能。为此，我们提出了一种新颖的带有 RGB-灰度信息的双流深度神经网络，其能有效融合 RGB 与灰度特征表示以增强 Re-ID 的泛化能力。首先，我们在每个训练批次中将 RGB 图像转换为灰度图像。基于这些 RGB 与灰度图像，我们分别训练 RGB 分支与灰度分支。其次，为建立 RGB 与灰度分支间的联系，我们将 RGB 与灰度分支合并为一个新的联合分支。最后，我们将所有三个分支的特征拼接作为 Re-ID 的最终特征表示。此外，在训练过程中，我们采用联合学习方案，通过独立损失函数同时训练各分支，从而增强各分支的泛化能力。另外，利用一个全局损失函数进一步微调最终拼接特征。在多个基准数据集上的大量实验充分表明，所提方法优于当前最优（state-of-the-art）的行人 Re-ID 方法。而且，使用灰度图像确实能改善行人 Re-ID 性能。
引用
@article{arxiv.1908.05142,
title = {GreyReID: A Two-stream Deep Framework with RGB-grey Information for Person Re-identification},
author = {Lei Qi and Lei Wang and Jing Huo and Yinghuan Shi and Yang Gao},
journal= {arXiv preprint arXiv:1908.05142},
year = {2020}
}
备注
Accepted by ACM TOMM