通过正交化与子空间掩码推动中心学习以实现行人重识别
计算机视觉与模式识别
2019-12-12 v2
摘要
行人重识别旨在识别成对的图像是否属于同一个人。由于相机视角、光照和背景的巨大差异，这一问题极具挑战性。学习 CNN 特征的主流方法之一是设计损失函数，以同时强化类间分离和类内紧凑性。在本文中，我们提出了一种新颖的带有子空间掩码的正交中心学习方法，用于行人重识别。我们做出了以下贡献： 我们开发了一个中心学习模块，通过正交化在减小类内差异的同时减小类间相关性，从而学习类中心； 我们引入了子空间掩码机制，以增强所学类中心的泛化能力； 我们设计了一种以正则化方式整合平均池化和最大池化的方法，以充分发挥它们的能力。大量实验表明，我们提出的方法在包括 Market-1501、DukeMTMC-ReID、CUHK03 和 MSMT17 在内的大规模 ReID 数据集上始终优于最先进的方法。
引用
@article{arxiv.1908.10535,
title = {Push for Center Learning via Orthogonalization and Subspace Masking for Person Re-Identification},
author = {Weinong Wang and Wenjie Pei and Qiong Cao and Shu Liu and Yu-Wing Tai},
journal= {arXiv preprint arXiv:1908.10535},
year = {2019}
}