基于对抗三元组嵌入的行人重识别
计算机视觉与模式识别
2020-12-29 v1
摘要
行人重识别是一项重要任务，在公共安全的视频监控中有广泛应用。过去几年中，带三元组损失的深度学习网络在此问题上变得流行。然而，三元组损失通常受困于较差的局部最优，并严重依赖难例挖掘策略。本文中，我们提出用一种称为对抗三元组嵌入（ATE）的新深度度量学习方法来解决该问题，其中我们在统一框架中同时生成对抗三元组和判别性特征嵌入。特别地，对抗三元组通过在训练过程中引入对抗扰动来生成。该对抗博弈被转化为一个极小极大问题，以便从理论视角获得最优解。在多个基准数据集上的大量实验证明了该方法相对于现有最优文献的有效性。
引用
@article{arxiv.2012.14057,
title = {Person Re-identification with Adversarial Triplet Embedding},
author = {Xinglu Wang},
journal= {arXiv preprint arXiv:2012.14057},
year = {2020}
}