时序域特征聚合学习及其在重识别中的应用
计算机视觉与模式识别
2019-03-14 v1
摘要
行人重识别是计算机视觉领域一个标准且成熟的问题。近年来，车辆重识别也受到越来越多的关注。本文同时关注这两项任务，并提出一种时序域特征聚合方法，因为对同一对象拥有多次观测是常见情况。该聚合基于以不同权重对特征向量的不同元素进行加权，并通过 Siamese 网络以端到端方式训练。实验结果表明，在车辆与行人重识别任务上，我们的方法均优于其他现有的时序域特征聚合方法。此外，为推动车辆重识别研究，我们引入了一个新的数据集 CarsReId74k。该数据集不局限于正面/背面视角，包含 17,681 辆唯一车辆、73,976 条观测轨迹和 277,236 个正样本对，由 66 个摄像头从多种角度拍摄。
引用
@article{arxiv.1903.05244,
title = {Learning Feature Aggregation in Temporal Domain for Re-Identification},
author = {Jakub Špaňhel and Jakub Sochor and Roman Juránek and Petr Dobeš and Vojtěch Bartl and Adam Herout},
journal= {arXiv preprint arXiv:1903.05244},
year = {2019}
}
备注
Under consideration at Computer Vision and Image Understanding