相机内监督行人重识别：一个新的基准
计算机视觉与模式识别
2019-08-28 v1
摘要
现有行人重识别（re-id）方法主要依赖大量跨相机身份标注的训练数据，需要繁琐的数据采集与标注过程，从而导致在实际 re-id 应用中可扩展性差。为克服这一根本局限，我们考虑无跨相机身份关联、仅在每个独立相机视角内独立标注身份标签的行人重识别。这消除了最耗时繁琐的跨相机身份标注过程，以显著减少标注所需的人力。因此它产生了一种更具可扩展性与可行性的学习场景，我们称之为相机内监督（ICS）行人重识别。在此弱标签监督的 ICS 设定下，我们构建了多任务多标签（MTML）深度学习方法。在无从知跨相机关联的情况下，MTML 专为自发现跨相机身份对应而设计。这通过联合多任务推断框架下的跨相机多标签学习实现。此外，MTML 还能通过充分利用各相机视角内可用身份标签高效学习判别性 re-id 特征表示。大量实验证明了我们的 MTML 模型在提出的相机内监督学习设定下，在三个大规模行人重识别数据集上优于 SOTA 替代方法。
引用
@article{arxiv.1908.10344,
title = {Intra-Camera Supervised Person Re-Identification: A New Benchmark},
author = {Xiangping Zhu and Xiatian Zhu and Minxian Li and Vittorio Murino and Shaogang Gong},
journal= {arXiv preprint arXiv:1908.10344},
year = {2019}
}
备注
9 pages, 3 figures, accepted by ICCV Workshop on Real-World Recognition from Low-Quality Images and Videos, 2019