面向行人重识别的同心超球面特征嵌入
计算机视觉与模式识别
2018-05-02 v2
摘要
由于相机视角、光照、分辨率和人体姿态的巨大变化，行人重识别（Person ReID）是一项具有挑战性的任务。近年来，随着深度学习技术的发展，Person ReID 的性能得到了快速提升。特征提取和特征匹配是 Person ReID 训练和部署阶段的两个关键组成部分。然而，许多现有的 Person ReID 方法在训练阶段和部署阶段之间存在度量不一致的问题，并且在特征表示中将特征向量的幅度和方向信息耦合在一起。同时，传统的三元组损失方法关注小批量内的样本，缺乏全局特征分布的知识。为解决这些问题，我们提出了一种新颖的同心超球面嵌入方案，以解耦特征和权重向量的幅度与方向信息，并将分类损失和三元组损失重构为它们的角度版本，组合成角度判别损失。我们在广泛使用的 Person ReID 基准数据集上对所提方法进行了充分评估，包括 Market1501、CUHK03 和 DukeMTMC-ReID。我们的方法在所有数据集上均展现出领先性能。
引用
@article{arxiv.1804.08866,
title = {Homocentric Hypersphere Feature Embedding for Person Re-identification},
author = {Wangmeng Xiang and Jianqiang Huang and Xianbiao Qi and Xiansheng Hua and Lei Zhang},
journal= {arXiv preprint arXiv:1804.08866},
year = {2018}
}
备注
11 pages, 7 figures