基于全连接 CRF 高效推断的人员重识别

本文中，我们解决人员重识别问题，即从画廊中检索与给定探针图像由同一人生成的实例。这非常具有挑战性，因为人的外观通常由于相机网络中的光照、相机角度与视角、背景杂波和遮挡变化而发生显著变化。本文中，我们假设匹配的画廊图像不仅在合适度量下应与探针相似，而且应彼此相似。我们用全连接 CRF 模型表达此假设，其中每个节点对应一个画廊，每对节点由一条边连接。每个节点关联一个标签变量以指示对应图像是否来自目标人物。我们利用现有特征计算与匹配技术为每个节点定义一元势，反映探针与画廊图像间的相似度，并为每条边定义成对势为高斯核的加权组合，编码画廊图像对之间的外观相似度。成对势的特殊形式使我们能够利用高效推断算法计算此密集连接 CRF 中每个标签变量的边缘分布。我们通过将该方法应用于公共数据集并与最先进水平比较，展示了其优越性。