分辨率不变的人体重识别
计算机视觉与模式识别
2019-07-01 v2
摘要
利用分辨率不变表示对于真实应用中的人体重识别(ReID)至关重要，其中所捕获行人图像的分辨率可能差异巨大。本文通过端到端 CNN 学习联合训练前景聚焦超分辨率(FFSR)模块与分辨率不变特征提取器(RIFE)，学习对分辨率变化具有鲁棒性的行人表示。FFSR 使用带有跳跃连接的全卷积自编码器，以前景聚焦训练损失进行学习上采样行人前景。RIFE 采用由双注意力块加权的两条特征提取流，分别学习低分辨率与高分辨率图像的特征。这两个互补模块被联合训练，从而产生强的分辨率不变表示。我们在包含大范围分辨率行人图像的五个数据集上评估了我们的方法，结果表明我们的方法相较现有方案具有显著优越性。例如，在 CAVIAR 与 MLR-CUHK03 上我们取得了 36.4% 与 73.3% 的 Rank-1 准确率，分别超越最先进水平 2.9% 与 2.6%。
引用
@article{arxiv.1906.09748,
title = {Resolution-invariant Person Re-Identification},
author = {Shunan Mao and Shiliang Zhang and Ming Yang},
journal= {arXiv preprint arXiv:1906.09748},
year = {2019}
}
备注
IJCAI 2019