用于行人重识别的改进 Res2Net 模型
计算机视觉与模式识别
2023-11-30 v2
摘要
由于视觉监控中广泛的应用和日益增长的重要性，行人重识别已成为计算机视觉领域非常热门的研究课题。由于遮挡、光照以及不同摄像机间显著的类内差异，行人重识别仍然具有挑战性。在本文中，我们提出一种基于改进 Res2Net 模型的多任务网络，同时计算两幅行人图像的识别损失和验证损失。给定一对行人图像，系统预测两幅输入图像的身份以及它们是否属于同一身份。为获取行人更深层的特征信息，我们提出使用最新的 Res2Net 模型对每幅输入图像进行特征提取。在多个大规模行人重识别基准数据集上的实验证明了我们方法的准确性。例如，在 DukeMTMC 和 Market-1501 数据集上，rank-1 准确率分别为 83.18%（+1.38）和 93.14%（+0.84）。与 SOTA 方法相比，所提方法展现出令人鼓舞的提升。
引用
@article{arxiv.1910.04061,
title = {Improved Res2Net model for Person re-identification},
author = {Zongjing Cao and Hyo Jong Lee},
journal= {arXiv preprint arXiv:1910.04061},
year = {2023}
}
备注
6 pages