相机内监督下的人体重识别
计算机视觉与模式识别
2021-01-19 v3
摘要
现有人体重识别（re-id）方法大多利用大量跨相机身份标注的训练数据。这需要繁琐的数据采集与标注过程，导致在实际重识别应用中可扩展性差。另一方面，无监督重识别方法不需要身份标签信息，但其模型性能通常明显较差且不足。为克服这些根本局限，我们提出一种基于各相机独立身份标注思想的新颖人体重识别范式。这消除了最耗时繁琐的跨相机身份标注过程，显著减少了人工标注工作量。由此产生了一种更具可扩展性与可行性的设定，我们称之为相机内监督（ICS）人体重识别，并为此构建了多任务多标签（MATE）深度学习方法。具体而言，MATE 设计用于在每相机多任务推断框架中自动发现跨相机身份对应关系。大量实验证明了我们的方法在三个大型人体重识别数据集上相对于替代方法的成本效益优势。例如，在提出的 ICS 人体重识别设定下，MATE 在 Market-1501 上取得 88.7% 的 rank-1 得分，显著优于无监督学习模型，并接近传统的全监督学习竞争对手。
引用
@article{arxiv.2002.05046,
title = {Intra-Camera Supervised Person Re-Identification},
author = {Xiangping Zhu and Xiatian Zhu and Minxian Li and Pietro Morerio and Vittorio Murino and Shaogang Gong},
journal= {arXiv preprint arXiv:2002.05046},
year = {2021}
}
备注
Accepted to IJCV