基于师生模型与对抗训练的照明自适应行人重识别
计算机视觉与模式识别
2020-05-27 v3
摘要
现有多数行人重识别(ReID)工作聚焦于照明保持一致或波动极小的设定。然而，照明程度的变化可能显著影响ReID算法的鲁棒性。为解决此问题，我们提出一种双流网络，可将ReID特征与光照特征分离以提升ReID性能。其创新有三： (1) 一种判别熵损失，确保ReID特征不含光照信息。 (2) 一个由“中性”光照条件下图像训练的ReID教师模型，以引导ReID分类。 (3) 一个由光照调整图像与原始图像间差异训练的照明教师模型，以引导照明分类。我们通过合成改变两个最流行ReID基准Market1501与DukeMTMC-ReID中一组预定义光照条件，构建了两个增广数据集。实验表明，我们的算法优于其他SOTA工作，且在处理极暗光图像时尤为有效。
引用
@article{arxiv.2002.01625,
title = {Illumination adaptive person reid based on teacher-student model and adversarial training},
author = {Ziyue Zhang and Richard YD Xu and Shuai Jiang and Yang Li and Congzhentao Huang and Chen Deng},
journal= {arXiv preprint arXiv:2002.01625},
year = {2020}
}
备注
Accepted by ICIP 2020