HashReID：基于二值码的动态网络用于高效行人重识别
计算机视觉与模式识别
2023-08-24 v1
摘要
行人重识别（ReID）等生物特征应用通常部署在能耗受限的设备上。尽管近期 ReID 方法优先追求高检索性能，但它们常伴随巨大的计算开销与较高的搜索时间，导致其在真实场景中实用性不足。本工作中，我们提出了一种带有多个退出块、可随输入自适应的网络，若检索简单或含噪声可提前终止计算，从而节省大量算力。为评估输入复杂度，我们引入了一种由新训练策略驱动、基于时序的分类器。此外，我们采用二值哈希码生成方法替代连续值特征，使搜索过程提速 20 倍。为保障相似性保持，我们利用一种新的排序正则化器弥合连续特征与二值特征间的差距。我们在 Market1501、MSMT17（多场景多时段）和 BGC1（BRIAR 政府采集集）三个数据集上对所提方法进行了充分分析。使用我们的方法，Market1501 数据集上超过 70% 的样本以紧凑哈希码提前退出，节省 80% 的网络计算成本，并比其他基于哈希的方法高出 60%。这些结果展示了相较动态网络的显著改进，并展现出与传统 ReID 方法相当的精度性能。代码将公开。
引用
@article{arxiv.2308.11900,
title = {HashReID: Dynamic Network with Binary Codes for Efficient Person Re-identification},
author = {Kshitij Nikhal and Yujunrong Ma and Shuvra S. Bhattacharyya and Benjamin S. Riggan},
journal= {arXiv preprint arXiv:2308.11900},
year = {2023}
}
备注
WACV 2024