低分辨率信息同样重要：学习多分辨率表征用于行人重识别
计算机视觉与模式识别
2021-05-27 v1
摘要
作为视频监控与法证领域的一项主流任务，行人重识别（re-ID）旨在匹配非重叠摄像头所采集的行人图像。在非受限场景下，行人图像常受分辨率失配问题困扰，即跨分辨率行人重识别。为克服该问题，多数现有方法通过超分辨率（SR）将低分辨率（LR）图像恢复为高分辨率（HR）。然而，它们仅关注 HR 特征提取，忽视了原始 LR 图像中的有效信息。本文中，我们探究分辨率对特征提取的影响，并提出了一种用于跨分辨率行人重识别的新方法，称为多分辨率表征联合学习（MRJL）。我们的方法由分辨率重建网络（RRN）与双特征融合网络（DFFN）组成。RRN 使用输入图像通过编码器与两个解码器构建 HR 版本与 LR 版本，而 DFFN 采用双分支结构从多分辨率图像生成行人表征。在五个基准上的综合实验验证了所提 MRJL 优于相关前沿方法。
引用
@article{arxiv.2105.12684,
title = {Low Resolution Information Also Matters: Learning Multi-Resolution Representations for Person Re-Identification},
author = {Guoqing Zhang and Yuhao Chen and Weisi Lin and Arun Chandran and Xuan Jing},
journal= {arXiv preprint arXiv:2105.12684},
year = {2021}
}
备注
accepted by IJCAI 2021