面向行人重识别的随机遮挡恢复
计算机视觉与模式识别
2019-03-13 v3
摘要
作为多摄像头监控系统的一种基本任务，行人重识别旨在从非重叠的多摄像头或单摄像头不同时间中重新识别查询行人。近来，基于深度学习的行人重识别模型在许多基准上取得了巨大成功。然而，这些有监督模型需要大量标注图像数据，而人工标注过程耗费大量人力与时间。本研究引入一种自动合成标注行人图像的方法，并采用其增加行人重识别数据集中每个身份的样本次数。具体而言，我们使用块矩形随机遮挡行人图像。随后，提出一种生成对抗网络（GAN）模型，利用成对的遮挡与原始图像合成与原始图像相似但不完全相同的去遮挡图像。之后，我们将去遮挡图像标注为其对应原始图像的相同标签，并用其增广每个身份的样本数。最后，我们使用增广数据集训练基线模型。在 CUHK03、Market-1501 和 DukeMTMC-reID 数据集上的实验结果表明了所提方法的有效性。
引用
@article{arxiv.1809.09970,
title = {Random Occlusion-recovery for Person Re-identification},
author = {Di Wu and Kun Zhang and Fei Cheng and Yang Zhao and Qi Liu and Chang-An Yuan and De-Shuang Huang},
journal= {arXiv preprint arXiv:1809.09970},
year = {2019}
}