用于行人重识别的姿态驱动深度卷积模型
计算机视觉与模式识别
2017-09-26 v1
摘要
特征提取与匹配是行人重识别(ReID)的两个关键组件。所捕获行人图像表现出的大姿态形变和复杂视角变化显著增加了从行人图像学习和匹配特征的难度。为克服这些困难，本文提出一种姿态驱动深度卷积(PDC)模型，从端到端学习改进的特征提取与匹配模型。我们的深度架构显式利用人体部位线索来缓解姿态变化，并从全局图像和不同局部部位学习鲁棒特征表示。为匹配来自全局人体和局部身体部位的特征，进一步设计了姿态驱动特征加权子网络以学习自适应特征融合。在三个流行数据集上的大量实验分析和结果表明，我们的模型相对于所有已发布的最先进(state-of-the-art)方法取得了显著性能提升。
引用
@article{arxiv.1709.08325,
title = {Pose-driven Deep Convolutional Model for Person Re-identification},
author = {Chi Su and Jianing Li and Shiliang Zhang and Junliang Xing and Wen Gao and Qi Tian},
journal= {arXiv preprint arXiv:1709.08325},
year = {2017}
}