HPILN：一种用于跨模态行人重识别的特征学习框架
计算机视觉与模式识别
2019-08-15 v2
摘要
大多数视频监控系统同时使用 RGB 与红外相机，使得跨 RGB 与红外模态的行人重识别成为一项关键技术。该任务具有挑战性，既源于 RGB 与红外异构图像引起的跨模态差异，也源于异构人体姿态、相机视角、光照亮度等引起的模态内差异。为应对这些挑战，提出了一种新颖的特征学习框架 HPILN。该框架中修改现有单模态重识别模型以适应跨模态场景，随后使用专门设计的难五元组损失与身份损失来提升修改后的跨模态重识别模型性能。基于 SYSU-MM01 数据集的基准，进行了大量实验，表明所提方法在累积匹配特性曲线（CMC）与平均精度均值（MAP）方面优于所有现有方法。
引用
@article{arxiv.1906.03142,
title = {HPILN: A feature learning framework for cross-modality person re-identification},
author = {Jian-Wu Lin and Hao Li},
journal= {arXiv preprint arXiv:1906.03142},
year = {2019}
}