面向行人重识别的鲁棒高效图对应迁移方法
计算机视觉与模式识别
2018-05-17 v1
摘要
由姿态和视角变化引起的空间错位阻碍了现有行人重识别(Re-ID)算法性能提升的最关键问题之一。为解决该问题,本文提出一种鲁棒高效的图对应迁移(REGCT)方法,用于 Re-ID 中的显式空间对齐。具体而言,我们提出通过图匹配建立正训练样本对的块级对应。通过在图匹配中利用人体外观的空间与视觉上下文,可获得有意义的语义对应。为避免测试阶段繁琐的在线图匹配,我们提出将离线学习到的正训练样本对的块级对应迁移至测试样本对。具体地,对每个测试样本对,选取具有相似姿态对配置的训练样本对作为参考。然后利用所选参考的匹配模式(即对应)来计算该测试样本对的块级特征距离。为增强对应迁移的鲁棒性,我们设计了一种新颖的姿态上下文描述子以精确建模人体配置,并提出一种度量两个姿态上下文描述子间相似度的方法。同时,为提高测试效率,我们提出一种基于投票机制的对应模板集成方法,显著减少了距离计算中所涉及的块级匹配数量。借助上述策略,REGCT 模型能有效且高效地处理 Re-ID 中的空间错位问题。在 VIPeR、Road、PRID450S、3DPES 和 CUHK01 五个具有挑战性基准上的大量实验证明了 REGCT 优于其他最先进方法的性能。
引用
@article{arxiv.1805.06323,
title = {Robust and Efficient Graph Correspondence Transfer for Person Re-identification},
author = {Qin Zhou and Heng Fan and Hua Yang and Hang Su and Shibao Zheng and Shuang Wu and Haibin Ling},
journal= {arXiv preprint arXiv:1805.06323},
year = {2018}
}
备注
Tech. Report. The source code is available at http://www.dabi.temple.edu/~hbling/code/gct.htm. arXiv admin note: text overlap with arXiv:1804.00242