用于行人重识别的单相机训练
计算机视觉与模式识别
2019-09-25 v1
摘要
行人重识别（ReID）旨在不同相机中查找同一行人。训练此类系统通常需要从监控视频中标注大量跨相机行人，当相机数量较多时尤为耗费人力。不同的是，本文研究了一种未被探索的单相机训练（SCT）设定下的ReID，其中训练集中每个人仅出现在一个相机中。据我们所知，该设定此前从未被研究过。SCT具有数据采集与标注成本低廉的优势，从而便于在新环境中训练ReID系统。然而，由于缺少跨相机行人出现，而传统方法严重依赖此来提取判别性特征，这带来了重大挑战。应对SCT设定中挑战的关键在于设计有效的机制以补充跨相机标注。我们从一个用于特征提取的常规深度网络出发，在此基础上提出一种名为多相机负损失（MCNL）的新损失函数。这是一种受概率启发的度量学习损失，表明在多相机系统中，一张图像更可能接近其他相机中最相似的负样本，而非同相机中最相似的负样本。实验中，MCNL在SCT设定下显著提升了ReID精度，为在新目标场景上快速部署高性能ReID系统铺平了道路。
引用
@article{arxiv.1909.10848,
title = {Single Camera Training for Person Re-identification},
author = {Tianyu Zhang and Lingxi Xie and Longhui Wei and Yongfei Zhang and Bo Li and Qi Tian},
journal= {arXiv preprint arXiv:1909.10848},
year = {2019}
}