面向多分辨率且感知资源约束的人员重识别
计算机视觉与模式识别
2018-10-03 v3
摘要
并非所有人都同样易于识别：在某些情况下颜色统计可能已足够，而另一些情况则可能需要对高层与低层细节进行仔细推理。然而，主流的人员重识别(re-ID)方法对所有情况都使用来自深度卷积网络的“一刀切”式高层嵌入。这可能会限制其在困难样本上的精度，或使它们在简单样本上产生不必要的计算开销。为弥补这一不足，我们提出了一种新的人员重识别模型，该模型结合了在多个卷积网络层上构建、并经深度监督训练的有效的嵌入。在传统的重识别基准上，我们的方法在我们所评估的全部五个数据集上均大幅优于先前的最优结果。随后，我们提出了资源约束下人员重识别问题的两种新表述，并展示了我们的模型如何在存在资源约束时有效地权衡精度与计算量。代码与预训练模型可在 https://github.com/mileyan/DARENet 获取。
引用
@article{arxiv.1805.08805,
title = {Resource Aware Person Re-identification across Multiple Resolutions},
author = {Yan Wang and Lequn Wang and Yurong You and Xu Zou and Vincent Chen and Serena Li and Gao Huang and Bharath Hariharan and Kilian Q. Weinberger},
journal= {arXiv preprint arXiv:1805.08805},
year = {2018}
}
备注
8 pages, 8 figures, CVPR 2018