PersonNet：基于深度卷积神经网络的行人重识别
计算机视觉与模式识别
2016-06-21 v2
摘要
本文中，我们提出一种深度端到端神经网络，用于同时学习高层特征及相应的相似性度量以进行行人重识别。该网络以一对原始RGB图像作为输入，并输出一个相似性值以指示两幅输入图像是否描绘同一个人。采用一层计算跨两幅输入图像的邻域范围差异来捕获块之间的局部关系。该操作旨在从输入图像中寻求鲁棒特征。通过将深度增加至10个权重层并使用极小(33)卷积滤波器，我们的架构相比先前最优配置取得了显著改进。同时，一种自适应均方根(RMSProp)梯度下降算法被集成到我们的架构中，这有利于深度网络。我们的方法在两个大型数据集(CUHK03和Market-1501)以及一个中等规模数据集(CUHK01)上一致优于当前最先进水平。
引用
@article{arxiv.1601.07255,
title = {PersonNet: Person Re-identification with Deep Convolutional Neural Networks},
author = {Lin Wu and Chunhua Shen and Anton van den Hengel},
journal= {arXiv preprint arXiv:1601.07255},
year = {2016}
}
备注
7 pages. Fixed Figure 4 (a)