基于相机相关性感知特征增强的行人重识别
计算机视觉与模式识别
2017-03-28 v1
摘要
行人重识别（re-id）的挑战在于匹配由不同非重叠相机视图捕获的同一人的图像，以应对显著且未知的跨视图特征畸变。尽管已开发了大量距离度量/子空间学习模型用于重识别，但它们学到的跨视图变换是视图通用的，因此在量化每个相机视图固有的特征畸变时可能效果较差。学习用于重识别的视图特定特征变换（即视图特定重识别）是一种研究不足的方法，成为解决该问题的替代途径。本工作中，我们从特征增强的角度制定了一个新颖的视图特定行人重识别框架，称为相机相关性感知特征增强（CRAFT）。具体而言，CRAFT通过从跨视图视觉数据分布自动度量相机相关性，并自适应地执行特征增强，将原始特征变换到一个新的自适应空间，从而实现跨视图适应。通过我们的增强框架，视图通用学习算法可以容易地推广以学习并优化视图特定子模型，同时建模视图通用判别信息。因此，我们的框架不仅继承了视图通用模型学习的优势，还提供了一种有效考虑视图特定特征的方法。我们的CRAFT框架可扩展至联合学习用于大型网络中超过两个摄像头的行人重识别的视图特定特征变换，这是一个很大程度上未被研究但现实的重新识别设置。此外，我们提出了一种域通用深度行人表观表示，其设计特别趋向于视图不变，以促进CRAFT的跨视图适应。
引用
@article{arxiv.1703.08837,
title = {Person Re-Identification by Camera Correlation Aware Feature Augmentation},
author = {Ying-Cong Chen and Xiatian Zhu and Wei-Shi Zheng and Jian-Huang Lai},
journal= {arXiv preprint arXiv:1703.08837},
year = {2017}
}
备注
To Appear in IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017