PH-GCN：基于部件的分层图卷积网络行人重识别
计算机视觉与模式识别
2019-07-23 v1
摘要
行人重识别(Re-ID)任务需要稳健地提取行人图像的特征表示。近年来，基于部件的表示模型被广泛研究，以提取更紧凑和稳健的行人图像特征表示，从而改善行人Re-ID结果。然而，现有的基于部件的表示模型大多独立提取不同部件的特征，忽略了不同部件之间的关系信息。为克服这一局限，本文提出一种名为基于部件的分层图卷积网络(PH-GCN)的新型深度学习框架，用于行人Re-ID问题。给定一幅行人图像，PH-GCN首先构建分层图以表示不同部件间的成对关系。然后，通过PH-GCN中的消息传递执行局部和全局特征学习，在部件特征表示中考虑其他节点的信息。最后，采用感知机层进行最终的行人部件标签预测与重识别。所提框架提供了一种通用方案，在统一的端到端网络中同时集成局部、全局和结构特征学习。在多个基准数据集上的大量实验证明了所提基于PH-GCN的Re-ID方法的有效性。
引用
@article{arxiv.1907.08822,
title = {PH-GCN: Person Re-identification with Part-based Hierarchical Graph Convolutional Network},
author = {Bo Jiang and Xixi Wang and Bin Luo},
journal= {arXiv preprint arXiv:1907.08822},
year = {2019}
}