基于序贯决策的多 shot 行人重识别
计算机视觉与模式识别
2018-05-10 v2 神经与进化计算
摘要
多 shot 行人重识别问题是监控视频分析的核心，其匹配来自不同摄像头的两段行人轨迹。与现有通过循环神经网络等时间序列模型聚合单帧特征的工作相反，本文提出一种基于可解释强化学习的方法来解决这个问题。具体地，我们训练一个智能体在每一时刻验证一对图像。该智能体可选择输出结果(相同 or 不同)或请求另一对图像进行验证(不确定)。通过这种方式，我们的模型隐式地学习图像对的难度，并在模型未积累足够证据时推迟决策。此外，通过调整不确定动作的奖励，我们可轻松权衡速度与精度。在三个公开基准上，我们的方法仅使用 3% 至 6% 的图像便可与最先进(state-of-the-art, SOTA)方法相竞争。这些有前景的结果表明，我们的方法在效率与性能上均具优势。
引用
@article{arxiv.1712.07257,
title = {Multi-shot Pedestrian Re-identification via Sequential Decision Making},
author = {Jianfu Zhang and Naiyan Wang and Liqing Zhang},
journal= {arXiv preprint arXiv:1712.07257},
year = {2018}
}