边际样本挖掘损失：一种基于深度学习的行人重识别方法
计算机视觉与模式识别
2017-10-10 v3
摘要
行人重识别（ReID）是计算机视觉中的一项重要任务。近年来，结合度量学习损失的深度学习已成为 ReID 的常见框架。在本文中，我们也提出了一种带有难样本挖掘的新度量学习损失，称为边际样本挖掘损失（MSML），与 triplet loss 等其他度量学习损失相比，它能够获得更好的准确率。在实验中，我们提出的方法在 Market1501、MARS、CUHK03 和 CUHK-SYSU 上优于大多数 state-of-the-art 算法。
引用
@article{arxiv.1710.00478,
title = {Margin Sample Mining Loss: A Deep Learning Based Method for Person Re-identification},
author = {Qiqi Xiao and Hao Luo and Chi Zhang},
journal= {arXiv preprint arXiv:1710.00478},
year = {2017}
}
备注
6 pages