用于行人重识别的词袋码本生成中的度量学习
计算机视觉与模式识别
2017-04-12 v2
摘要
行人重识别通常分为两部分：第一，如何用判别性视觉描述子表示行人；第二，如何用合适的距离度量比较它们。传统方法将这两部分分离，第一部分通常无监督，第二部分有监督。词袋 (BoW) 模型是第一部分中广泛使用的图像表示描述子。其码本仅通过在欧氏空间聚类视觉特征生成。本文提出在 BoW 的码本生成阶段使用第二部分的度量学习技术。具体而言，所提码本在有监督学习的马氏距离下聚类。大量实验证明了我们提出方法的有效性。结合在超像素上提取并融合的多个低级特征，我们的方法在包括 VIPeR、PRID450S 和 Market1501 在内的行人重识别基准上超越了最先进水平。
引用
@article{arxiv.1704.02492,
title = {Metric Learning in Codebook Generation of Bag-of-Words for Person Re-identification},
author = {Lu Tian and Shengjin Wang},
journal= {arXiv preprint arXiv:1704.02492},
year = {2017}
}