面向行人重识别的语义一致性与身份映射多组件生成对抗网络
计算机视觉与模式识别
2021-04-29 v1 人工智能
机器学习
摘要
在真实世界环境中,由于光照条件、视角、姿态和遮挡的变化,行人重识别(Re-ID)是一项具有挑战性的任务。尽管近期性能有所提升,当前行人Re-ID算法在遭遇这些变化时仍严重受限。为解决该问题,我们提出一种语义一致性与身份映射多组件生成对抗网络(SC-IMGAN),其提供从单域到多域的风格自适应。为确保变换图像尽可能真实,我们提出新颖的身份映射与语义一致性损失,以在多样域间保持身份。对于Re-ID任务,我们提出一种联合验证-识别四元组网络,其由生成与真实图像训练,并辅以有效的四元组损失用于验证。我们提出的方法在六个具挑战性的行人Re-ID数据集上优于最先进技术:SOTA方法在CUHK01、CUHK03、VIPeR、PRID2011、iLIDS和Market-1501。
引用
@article{arxiv.2104.13780,
title = {Semantic Consistency and Identity Mapping Multi-Component Generative Adversarial Network for Person Re-Identification},
author = {Amena Khatun and Simon Denman and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:2104.13780},
year = {2021}
}
备注
Accepted in WACV 2020