基于时空正则化航迹关联的无监督渐进式行人重识别
计算机视觉与模式识别
2019-10-28 v1
摘要
现有的行人重识别(Re-ID)方法大多基于监督学习,需要在所有相机视角下大量人工标注样本进行训练。这种范式存在可扩展性问题,因为在真实世界的 Re-ID 应用中,难以在多个不相交相机视角下穷尽标注大量身份。为此,我们提出一种用于真实场景下无监督行人 Re-ID 的渐进式深度学习方法,即通过时空正则化航迹关联(TASTR)。在我们的方法中,首先通过自动行人检测与跟踪在各相机内收集航迹数据。然后,基于相机内三元组构建进行行人表征学习的初始 Re-ID 模型训练。之后,基于行人视觉特征与时空约束,关联跨相机航迹以生成跨相机三元组并更新 Re-ID 模型。最后,利用精炼的 Re-ID 模型可提取更好的行人视觉特征,进而促进跨相机航迹的关联。最后两步迭代多次以渐进式提升 Re-ID 模型。
引用
@article{arxiv.1910.11560,
title = {Progressive Unsupervised Person Re-identification by Tracklet Association with Spatio-Temporal Regularization},
author = {Qiaokang Xie and Wengang Zhou and Guo-Jun Qi and Qi Tian and Houqiang Li},
journal= {arXiv preprint arXiv:1910.11560},
year = {2019}
}
备注
12 pages, 10 figures