MaskReID：一种基于掩码的深度排序神经网络用于行人重识别
计算机视觉与模式识别
2019-04-19 v2
摘要
行人检索面临诸多挑战，包括杂乱背景、不同相机视角下的外观变化（如光照、姿态、遮挡）以及不同行人图像之间的相似性。为解决这些问题，我们提出了一种带有跳跃融合层的基于掩码的新型深度排序神经网络。首先，为缓解杂乱背景问题，将仅含前景区域的掩码图像作为所提神经网络的输入。其次，为减少外观变化的影响，开发了多层融合方案以获得更具判别力的细粒度信息。最后，考虑到行人检索是一种特殊的图像检索任务，我们提出了一种新颖的排序损失来优化整个网络。所提排序损失能在生成排序结果时进一步减轻相似负样本的干扰问题。大量实验在多个基准数据集上验证了所提方法相对于最先进方法的优越性。
引用
@article{arxiv.1804.03864,
title = {MaskReID: A Mask Based Deep Ranking Neural Network for Person Re-identification},
author = {Lei Qi and Jing Huo and Lei Wang and Yinghuan Shi and Yang Gao},
journal= {arXiv preprint arXiv:1804.03864},
year = {2019}
}
备注
ICME2019