面向深度紧凑行人重识别的语义选择性增强
计算机视觉与模式识别
2018-06-19 v3
摘要
我们提出一种深度行人重识别方法，将语义选择性深度数据增强与基于聚类的网络压缩相结合，以生成高性能、轻量且推理快速的网络。具体而言，我们提出通过从深度卷积生成对抗网络（DCGAN）中采样来增强有限的训练数据，该网络的判别器受语义分类器约束以显式控制生成过程的域特异性。由此，我们在分类器网络中编码信息，可用于引导对抗式合成，并为我们的 CondenseNet ID 网络训练提供动力。我们在多个数据集上对该方法及变体进行定量与定性分析，在用于室内生活空间长期监测的 LIMA 数据集上取得了超越当前最优（state-of-the-art）的结果。
引用
@article{arxiv.1806.04074,
title = {Semantically Selective Augmentation for Deep Compact Person Re-Identification},
author = {Víctor Ponce-López and Tilo Burghardt and Sion Hannunna and Dima Damen and Alessandro Masullo and Majid Mirmehdi},
journal= {arXiv preprint arXiv:1806.04074},
year = {2018}
}