从弱监督视频中学习行人重识别模型
计算机视觉与模式识别
2023-04-06 v1
摘要
大多数行人重识别方法作为监督技术，深受大量标注需求之累。无监督方法克服了对标注数据的需要，但性能较监督方法差。为应对此问题，我们提出了从弱监督视频中学习行人重识别模型的问题。该监督的弱性源于仅需视频级标签（即出现在视频中的行人身份），而非更精确的帧级标注。为此，我们提出了一种利用此类视频级标签的行人重识别多示例注意力学习框架。具体而言，我们首先将视频行人重识别任务转化为多示例学习设定，其中视频中的行人图像被收集为一个包。具有相似标签的视频之间的关系可被用以识别行人，在此基础上，我们引入了一种共行人注意力机制，挖掘具有共同行人身份的视频之间的相似关联。注意力权重基于所有行人图像而非视频中的行人轨迹获得，使我们学习的模型较少受噪声标注影响。大量实验证明了所提方法在两个弱标注行人重识别数据集上相对于相关方法的优越性。
引用
@article{arxiv.2007.10631,
title = {Learning Person Re-identification Models from Videos with Weak Supervision},
author = {Xueping Wang and Sujoy Paul and Dripta S. Raychaudhuri and Min Liu and Yaonan Wang and Amit K. Roy-Chowdhury},
journal= {arXiv preprint arXiv:2007.10631},
year = {2023}
}