用于视频行人重识别的时空协同残差学习
计算机视觉与模式识别
2018-07-17 v1
摘要
本文解决视频场景下的行人重识别问题，该任务在许多应用中被视为关键任务。同时，由于该任务需要从具有异构时空信息的视频序列中学习有效表示，因此极具挑战性。我们提出一种新方法——时空协同残差网络（STSRN）来解决此问题。STSRN 包含一个空间残差提取器、一个时间残差处理器和一个时空平滑模块。该平滑器可沿时空维度缓解样本噪声，从而使 STSRN 提取出更鲁棒的连续帧时空特征。在包括 iLIDS-VID、PRID2011 和 MARS 在内的多个具有挑战性的数据集上进行了大量实验。结果表明，所提方法在大多数最先进（SOTA）方法上取得了一致更优的性能。
引用
@article{arxiv.1807.05799,
title = {Spatial-Temporal Synergic Residual Learning for Video Person Re-Identification},
author = {Xinxing Su and Yingtian Zou and Yu Cheng and Shuangjie Xu and Mo Yu and Pan Zhou},
journal= {arXiv preprint arXiv:1807.05799},
year = {2018}
}