用于行人重识别的多尺度深度学习架构
计算机视觉与模式识别
2017-09-18 v1
摘要
行人重识别（re-id）旨在公共空间中跨非重叠摄像头视角匹配行人。这是一个具有挑战性的问题，因为监控视频中捕获的许多人穿着相似衣服。因此，他们外观的差异往往很微妙，并且仅在正确的位置和尺度上可检测。现有的重识别模型，特别是最近提出的基于深度学习的模型，在单一尺度上匹配行人。相比之下，本文提出了一种新颖的多尺度深度学习模型。我们的模型能够学习不同尺度上的深度判别特征表示，并自动确定最适合匹配的尺度。提取判别特征的不同空间位置的重要性也被显式学习。实验表明，所提出的模型在多个基准上优于最先进的（state-of-the-art）方法。
引用
@article{arxiv.1709.05165,
title = {Multi-scale Deep Learning Architectures for Person Re-identification},
author = {Xuelin Qian and Yanwei Fu and Yu-Gang Jiang and Tao Xiang and Xiangyang Xue},
journal= {arXiv preprint arXiv:1709.05165},
year = {2017}
}
备注
9 pages, 3 figures, accepted by ICCV 2017