用于深度行人重识别的姿势不变嵌入
计算机视觉与模式识别
2017-01-27 v1
摘要
行人错位（主要源于检测器误差和姿势变化）是稳健行人重识别（re-ID）系统的关键问题。在对齐不良时，背景噪声将显著损害特征学习与匹配过程。为解决此问题，本文引入姿势不变嵌入（PIE）作为行人描述符。首先，为将行人对齐至标准姿势，引入了 PoseBox 结构，其通过姿势估计随后进行仿射变换生成。其次，为减少 PoseBox 构建过程中的姿势估计误差与信息损失的影响，我们设计了 PoseBox 融合（PBF）CNN 架构，以原始图像、PoseBox 和姿势估计置信度作为输入。因此，所提出的 PIE 描述符被定义为 PBF 网络用于检索任务的全连接层。实验在 Market-1501、CUHK03 和 VIPeR 数据集上进行。我们展示了仅 PoseBox 即可产生不错的 re-ID 精度，且当集成于 PBF 网络中时，学习到的 PIE 描述符相比最先进方法具有竞争力。
引用
@article{arxiv.1701.07732,
title = {Pose Invariant Embedding for Deep Person Re-identification},
author = {Liang Zheng and Yujia Huang and Huchuan Lu and Yi Yang},
journal= {arXiv preprint arXiv:1701.07732},
year = {2017}
}