有序或无序：基于视频的人员重识别再探
计算机视觉与模式识别
2019-12-25 v1
摘要
循环网络对于学习良好的基于视频的人员重识别（VPRe-id）视觉表示是否真的必要？在本文中，我们首先表明采用循环神经网络（RNNs）聚合时空特征的常见做法可能并非最优。具体而言，通过诊断性分析，我们表明循环结构在学习时间依赖上可能不如我们预期的有效，并隐式地产生了无序表示。基于该观察，我们随后提出一种简单却惊人强大的 VPRe-id 方法，我们将 VPRe-id 视为基于图像的人员重识别问题的高效无序集成。更具体地，我们将视频切分为单帧图像，并通过基于图像的排序器集成来重识别人员。在独立同分布假设下，我们给出了一个误差界，揭示了我们应如何改进 VPRe-id。我们的工作也提供了一种有前景的方式以弥合基于视频与基于图像的人员重识别之间的差距。综合实验评估表明，所提方案在多个广泛使用的数据集（iLIDS-VID、PRID 2011 和 MARS）上达到了最先进的性能。
引用
@article{arxiv.1912.11236,
title = {Ordered or Orderless: A Revisit for Video based Person Re-Identification},
author = {Le Zhang and Zenglin Shi and Joey Tianyi Zhou and Ming-Ming Cheng and Yun Liu and Jia-Wang Bian and Zeng Zeng and Chunhua Shen},
journal= {arXiv preprint arXiv:1912.11236},
year = {2019}
}
备注
Under Minor Revision in IEEE TPAMI