学习视角特定深度网络用于行人重识别
计算机视觉与模式识别
2018-04-02 v1
摘要
近年来，越来越多的研究关注行人重识别（re-id）问题。re-id 技术试图匹配来自不相交且非重叠摄像机视角的行人图像。re-id 的一个主要挑战是由视角变化引起的严重类内变化。为了克服这一挑战，我们提出了一种基于深度神经网络的框架，该框架在特征提取阶段利用视角信息。所提出的框架为每个摄像机视角学习一个视角特定网络，并使用跨视角欧几里得约束（CV-EC）和跨视角中心损失（CV-CL）。我们利用 CV-EC 来减小不同视角之间特征的差距，并将中心损失度量扩展为视角特定版本，以更好地适应 re-id 问题。此外，我们提出了一种迭代算法，从粗到细地优化视角特定网络的参数。实验表明，我们的方法显著提高了现有深度网络的性能，并在 VIPeR、CUHK01、CUHK03、SYSU-mReId 和 Market-1501 基准测试上优于 state-of-the-art 方法。
引用
@article{arxiv.1803.11333,
title = {Learning View-Specific Deep Networks for Person Re-Identification},
author = {Zhanxiang Feng and Jianhuang Lai and Xiaohua Xie},
journal= {arXiv preprint arXiv:1803.11333},
year = {2018}
}
备注
12 pages, 8 figures, accepted by IEEE Transactions on image processing