面向隔离摄像机监督下行人重识别的摄像机内与跨摄像机不变性学习
计算机视觉与模式识别
2023-11-03 v1
摘要
有监督行人重识别假设一个人拥有在多个摄像机下捕获的图像。然而当摄像机相距较远时，一个人很少出现在多于一个摄像机中。因此本文研究此种隔离摄像机监督（ISCS）设定下的行人重识别。与以往方法试图生成虚假跨摄像机特征不同，我们通过对训练数据中变化的高效利用探索了一种新视角。在 ISCS 设定下，一个人仅拥有来自单一摄像机的有限图像，因此摄像机偏差成为混淆身份判别的关键问题。跨摄像机图像仅因摄像机风格就易被识别为不同身份。为消除摄像机偏差的混淆效应，我们提出在统一框架下学习摄像机内与跨摄像机不变性。首先，我们通过聚类构建风格一致的环境，并在每个环境内执行原型对比学习。同时，强增强图像与原始原型进行对比以强制摄像机内增强不变性。对于跨摄像机不变性，我们进一步设计了一种大幅改进的多摄像机负样本损失变体，优化多级负样本的距离。所得模型学习对摄像机内与跨摄像机的细微及剧烈风格变化均保持不变。在多个基准上，我们进行了充分实验并验证了所提方法的有效性与优越性。代码将发布于 https://github.com/Terminator8758/IICI。
引用
@article{arxiv.2311.01155,
title = {Learning Intra and Inter-Camera Invariance for Isolated Camera Supervised Person Re-identification},
author = {Menglin Wang and Xiaojin Gong},
journal= {arXiv preprint arXiv:2311.01155},
year = {2023}
}
备注
ACM MultiMedia 2023