HorNet：一种通过图像描述生成改进行人重识别的分层旁支循环网络
计算机视觉与模式识别
2019-08-15 v1
摘要
行人重识别（re-ID）旨在跨具有显著外观差异的不同摄像机识别感兴趣行人。现有研究工作聚焦于视觉表征的能力与鲁棒性。本文中，我们转而提出一种新颖的分层旁支循环网络（HorNet），通过图像描述生成来改进行人重识别。图像描述比视觉属性语义更丰富且更一致，可显著缓解差异。我们使用相似性保持生成对抗网络（SPGAN）与图像描述器来实现域迁移与语言描述生成。随后所提 HorNet 可从图像与描述中联合学习视觉与语言表征，从而提升行人重识别性能。我们在带或不带图像描述的多个基准数据集（即 CUHK03、Market-1501 和 Duke-MTMC）上进行了充分实验，证明了所提方法的优越性。我们的方法在取得最先进性能的同时，能生成并提取有意义图像描述。
引用
@article{arxiv.1908.04915,
title = {HorNet: A Hierarchical Offshoot Recurrent Network for Improving Person Re-ID via Image Captioning},
author = {Shiyang Yan and Jun Xu and Yuai Liu and Lin Xu},
journal= {arXiv preprint arXiv:1908.04915},
year = {2019}
}
备注
10 pages, 5 figures, published in IJCAI19