基于部分的深度哈希用于大规模行人重识别
计算机视觉与模式识别
2017-05-08 v1
摘要
大规模是行人重识别(re-id)的一个趋势。在大型画廊中执行实时搜索非常重要。先前的方法大多关注判别性学习，本文尝试将深度学习与哈希集成到一个框架中，以评估大规模行人重识别的效率和准确性。我们通过将行人图像划分为水平部分来整合空间信息以获得判别性视觉表示。具体来说，提出了基于部分的深度哈希(PDH)，其中成批的三元组样本被用作深度哈希架构的输入。每个三元组样本包含两张具有相同身份的行人图像(或部分)和一张不同身份的行人图像(或部分)。采用三元组损失函数，约束具有相同身份的行人图像(或部分)的汉明距离小于不同身份的汉明距离。实验中，我们表明所提出的基于部分的深度哈希方法在大规模Market-1501和Market-1501+500K数据集上产生了非常有竞争力的重识别精度。
引用
@article{arxiv.1705.02145,
title = {Part-based Deep Hashing for Large-scale Person Re-identification},
author = {Fuqing Zhu and Xiangwei Kong and Liang Zheng and Haiyan Fu and Qi Tian},
journal= {arXiv preprint arXiv:1705.02145},
year = {2017}
}
备注
12 pages, 4 figures. IEEE Transactions on Image Processing, 2017