基于得分归一化改进CNN的人体再识别
计算机视觉与模式识别
2023-07-06 v2
摘要
人体再识别（PRe-ID）是安防、监视和零售分析中至关重要的任务，涉及跨多个摄像头和视角识别个人身份。然而，由于光照、背景和视角的变化，这一任务具有挑战性。有效的特征提取和度量学习算法对于成功的人体再识别系统至关重要。本文提出了一种新的PRe-ID方法，结合基于卷积神经网络（CNN）的特征提取方法和交叉视图二次判别分析（XQDA）进行度量学习。此外，实现了采用马哈拉里斯距离和得分归一化处理以解决摄像头之间得分不一致性的匹配算法。该方法在四个具有挑战性的数据集上进行测试，包括VIPeR、GRID、CUHK01和PRID450S，取得了有希望的成果。例如，在未进行归一化处理时，GRID、CUHK01、VIPeR和PRID450S数据集的排名20位准确率分别为61.92%、83.90%、92.03%和96.22%；但在得分归一化后，分别提高到64.64%、89.30%、92.78%和98.76%。因此，四个具有挑战性数据集上有希望的成果表明了所提出方法的有效性。
引用
@article{arxiv.2307.00397,
title = {Improving CNN-based Person Re-identification using score Normalization},
author = {Ammar Chouchane and Abdelmalik Ouamane and Yassine Himeur and Wathiq Mansoor and Shadi Atalla and Afaf Benzaibak and Chahrazed Boudellal},
journal= {arXiv preprint arXiv:2307.00397},
year = {2023}
}
备注
5 pages, 6 figures and 2 tables