用于行人重识别的分层交叉网络
计算机视觉与模式识别
2017-12-20 v1
摘要
行人重识别（person re-ID）旨在匹配从不同且不重叠的摄像机视角获取的目标行人。它在公共安全中扮演重要角色，并应用于诸如行人检索、行人跟踪和活动分析等各种任务。在本文中，我们提出一种称为分层交叉网络（HCN）的新网络架构来执行行人重识别。除了常规CNN的骨干模型外，HCN配备了两个额外的称为分层交叉特征图的映射。HCN的映射通过合并具有不同分辨率和语义层次的层而形成。借助分层交叉特征图，HCN能有效揭示常规CNN无法发现的额外语义特征。尽管所提HCN能发现具有更高语义的特征，其表示能力仍有限。为推导更通用的表示，我们在训练过程中通过组合多个数据集来增强数据。实验结果表明，所提方法优于几种最先进的方法。
引用
@article{arxiv.1712.06820,
title = {Hierarchical Cross Network for Person Re-identification},
author = {Huan-Cheng Hsu and Ching-Hang Chen and Hsiao-Rong Tyan and Hong-Yuan Mark Liao},
journal= {arXiv preprint arXiv:1712.06820},
year = {2017}
}