通过无监督超图排序选择与融合实现行人重识别
计算机视觉与模式识别
2023-04-28 v1 信息检索
摘要
行人重识别（Person Re-ID）一直受到大量关注，如今在许多摄像机监控应用中具有根本重要性。该任务在于跨多个无重叠视场的摄像机识别个体。大多数方法需要标注数据，而鉴于所需数据量巨大且难以为每个人工分配类别，标注数据并非总可用。近期研究表明，重排序方法能够取得显著增益，尤其在缺乏标注数据时。此外，特征提取器融合与多源训练是另一有前景但未充分挖掘的研究方向。我们旨在通过一种能够利用不同行人重识别排序器互补性的流形排序聚合方法来填补此空白。在这项工作中，我们对来自多个不同特征提取器的不同排序列表进行完全无监督的选择与融合。在贡献中，本工作提出了一种查询性能预测度量，其以超图结构建模图像间关系，且不需要使用任何标注数据。在四个常用行人重识别数据集上取得了显著增益。我们在大多数场景下取得了与当前最优（state-of-the-art）相竞争的结果。
引用
@article{arxiv.2304.14321,
title = {Person Re-ID through Unsupervised Hypergraph Rank Selection and Fusion},
author = {Lucas Pascotti Valem and Daniel Carlos Guimarães Pedronette},
journal= {arXiv preprint arXiv:2304.14321},
year = {2023}
}