基于视觉分布表示与集合距离的多 shot 行人重识别
计算机视觉与模式识别
2018-11-09 v2
摘要
行人重识别旨在不同时刻与地点识别特定行人。由于相机视角中的遮挡、光照与视角变化，该任务具有挑战性。近来，多 shot 行人重识别任务受到更多关注，因其更贴近真实应用。多 shot 行人重识别优良算法的关键在于行人表观特征的时间聚合。当前多数方法采用池化策略并获得固定尺寸向量表示，这可能丢失样本间的匹配证据。本文中，我们提出视觉分布表示的思想，将图像集解释为表观特征空间中某一未知分布抽取的采样。基于来自下游任务的监督信号，该方法重塑表观特征空间并进一步学习各图像集的未知分布。在多 shot 行人重识别背景下，我们应用此新概念并结合 Wasserstein 距离，学习两图像集间的分布型集合距离函数。由此，两图像集间的恰当对齐可以非参数方式自然发现。我们在两个公开数据集上的实验结果显示了所提方法相对于其他 SOTA 方法的优势。
引用
@article{arxiv.1808.01119,
title = {Multi-shot Person Re-identification through Set Distance with Visual Distributional Representation},
author = {Ting-Yao Hu and Xiaojun Chang and Alexander G. Hauptmann},
journal= {arXiv preprint arXiv:1808.01119},
year = {2018}
}