相关性主体机：一种新颖的行人重识别框架
计算机视觉与模式识别
2017-04-03 v1
摘要
我们提出了一种称为相关性主体机（RSM）的新方法来解决行人重识别问题。RSM 属于贝叶斯稀疏恢复算法的范畴，并利用预定义字典下输入视频的稀疏表示来识别视频中的主体。我们的方法聚焦于多镜头重识别问题，这是许多视频分析应用中的普遍问题。RSM 通过将每个输入视频帧的稀疏编码支撑约束为相同，捕捉了多镜头重识别问题的本质。通过在模型误差中引入稀疏、非平稳噪声项，我们提出的方法还能稳健地处理时变异常值和遮挡。我们提供了一种基于变分贝叶斯的新颖推断过程，并对所提出的更新规则给出了直观的解释。我们在几个常用的重识别数据集上评估了我们的方法，并展示了优于当前 SOTA 算法的性能。具体而言，对于近期的大规模重识别数据集 ILIDS-VID，RSM 相比所有已发表的方法均显示出显著提升，其 rank 1 准确率相比所考虑的最具竞争力的算法实现了 11.5%（绝对值）的提升。
引用
@article{arxiv.1703.10645,
title = {Relevance Subject Machine: A Novel Person Re-identification Framework},
author = {Igor Fedorov and Ritwik Giri and Bhaskar D. Rao and Truong Q. Nguyen},
journal= {arXiv preprint arXiv:1703.10645},
year = {2017}
}
备注
Submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence