通过子空间一致性正则化实现快速行人重识别
计算机视觉与模式识别
2022-07-14 v1
摘要
行人重识别（ReID）旨在跨不相交摄像机匹配行人。现有采用实值特征描述子的ReID方法已取得较高准确率，但由于欧氏距离计算缓慢以及复杂的快速排序算法，其效率较低。近来，一些工作提出生成二值编码的行人描述子，其仅需快速的汉明距离计算与简单的计数排序算法。然而，鉴于稀疏的二值空间，此类二值编码描述子（尤其是短码，如32和64位）的性能难以令人满意。为在模型准确率与效率之间取得平衡，我们提出一种新颖的子空间一致性正则化（SCR）算法，在相同维度下可使ReID过程比实值特征加速倍，同时保持具有竞争力的准确率，尤其在短码下。SCR通过将实值特征向量（如2048 float32）划分为个子空间（每个含个聚类中心）来以短二值码（如64位）转换实值特征向量。从而两样本间的距离可表示为各自到聚类中心距离之和，可通过离线计算加速并借助查找表维护。另一方面，这些实值中心有助于比使用二值码实现显著更高的准确率。最后，我们将距离查找表转换为整数并应用计数排序算法以加速排序阶段。我们还提出了一种带迭代框架的新颖一致性正则化。在Market-1501和DukeMTMC-reID上的实验结果显示出有前景且令人振奋的结果。在短码下，我们所提SCR享有实值级别的准确率与哈希级别的速度。
引用
@article{arxiv.2207.05933,
title = {Rapid Person Re-Identification via Sub-space Consistency Regularization},
author = {Qingze Yin and Guanan Wang and Guodong Ding and Qilei Li and Shaogang Gong and Zhenmin Tang},
journal= {arXiv preprint arXiv:2207.05933},
year = {2022}
}