基于树状分支网络与局部全局学习的行人重识别
计算机视觉与模式识别
2019-04-02 v1
摘要
近期文献中基于深度局部的方法揭示了在行人重识别任务中学习行人图像局部部位级表示的巨大潜力。然而,捕捉人体判别性整体信息的全局特征通常被忽略或未被充分利用。这促使我们去研究从行人图像中联合学习全局与局部特征。具体而言,在这项工作中,我们提出了一种称为树状分支网络(TBN)的新型框架用于行人重识别。给定一张行人图像,由骨干CNN生成的特征图被递归地分割为若干块,每一块后接一个瓶颈结构,在层次化树状框架中为每一层学习更细粒度的特征。以此方式,表示以由粗到精的方式学习,并最终组装以产生更具判别性的图像描述。实验结果证明了所提TBN框架中全局与局部特征学习方法的有效性。我们还展示了在三个公开基准Market-1501、CUHK-03和DukeMTMC上相对于SOTA方法的显著性能提升。
引用
@article{arxiv.1904.00355,
title = {Pedestrian re-identification based on Tree branch network with local and global learning},
author = {Hui Li and Meng Yang and Zhihui Lai and Weishi Zheng and Zitong Yu},
journal= {arXiv preprint arXiv:1904.00355},
year = {2019}
}
备注
accepted by ICME2019(Oral)