基于循环神经网络的人员重识别再探
计算机视觉与模式识别
2018-04-11 v1
摘要
由于基于深度学习的新方法取得了高性能，人员重识别任务近来受到越来越多的关注。特别是在基于视频的重识别场景中，许多最先进的工作都探索了使用循环神经网络（RNNs）来处理输入序列。在本工作中，我们通过推导一种近似来重新审视该工具，该近似揭示了循环连接的微弱作用，从而引出了一种更简单的前馈架构。在使用与循环版本相同参数的情况下，我们提出的前馈架构获得了非常相近的准确率。更重要的是，我们的模型可结合一种新的训练过程以显著提升重识别性能。我们的实验表明，所提出的模型比循环模型收敛速度快得多，在两个数据集上准确率提升高达 5%。所取得的性能优于或与其它基于 RNN 的人员重识别技术相当。
引用
@article{arxiv.1804.03281,
title = {Recurrent Neural Networks for Person Re-identification Revisited},
author = {Jean-Baptiste Boin and Andre Araujo and Bernd Girod},
journal= {arXiv preprint arXiv:1804.03281},
year = {2018}
}