基于显著性与语义解析及深度神经网络模型改进的行人重识别
计算机视觉与模式识别
2020-02-25 v1
摘要
给定从相机获取的某人的视频或图像，行人重识别是指从具有非重叠视角的不同相机所拍摄的视频或图像中检索该同一人的所有实例的过程。该任务在监控、法证、机器人、多媒体等多个领域有应用。本文提出一种新颖框架，称为显著-语义解析重识别（SSP-ReID），以利用显著性与语义解析图两种线索的能力，引导主干卷积神经网络（CNN）学习互补表征，从而改进基于原始主干的结果。融合多线索的洞见基于特定场景中一种响应优于另一种，因而倾向于组合二者以提升性能。由其定义，我们的框架可轻松应用于多种网络，且与其他竞争方法不同，我们的训练过程遵循简单标准协议。我们通过五个主干与三个基准对我们的方法进行了广泛评估。实验结果证明了我们行人重识别框架的有效性。此外，我们将框架与重排序技术结合，在三个基准上取得了最优（state-of-the-art）结果。
引用
@article{arxiv.1807.05618,
title = {Improved Person Re-Identification Based on Saliency and Semantic Parsing with Deep Neural Network Models},
author = {Rodolfo Quispe and Helio Pedrini},
journal= {arXiv preprint arXiv:1807.05618},
year = {2020}
}
备注
person re-identification