基于互学习深度表征的行人重识别方法
计算机视觉与模式识别
2019-08-19 v1
摘要
现有多数行人重识别（ReID）方法借助深度卷积神经网络（CNN）与度量学习方法获得良好的特征表征以区分行人。然而，这些工作集中于编码器输出与真值之间的相似性，忽略了输入与编码器输出之间的关联，影响了辨识不同行人的性能。为克服该局限，我们设计了一种深度信息最大化（DIM）网络，以最大化输入图像与编码器输出之间的互信息（MI），且无需任何辅助标签。为评估 DIM 网络的有效性，我们提出了端到端的 Global-DIM 与 Local-DIM 模型。此外，由于 DIM 网络无需额外标签，其为跨数据集无监督 ReID 问题提供了新方案。实验证明了 MI 理论在 ReID 问题上的优越性，取得了最先进的结果。
引用
@article{arxiv.1908.05860,
title = {Learning Deep Representations by Mutual Information for Person Re-identification},
author = {Peng Chen and Tong Jia and Pengfei Wu and Jianjun Wu and Dongyue Chen},
journal= {arXiv preprint arXiv:1908.05860},
year = {2019}
}
备注
8 pages, 9 figures