面向行人重识别的谱特征变换
计算机视觉与模式识别
2018-11-29 v1
摘要
随着深度学习技术的兴起,行人重识别领域近年来取得了快速进展。基于深度学习的方法致力于学习一个特征空间,使样本依据其对应身份被紧凑地聚类。现有多数方法依赖强大的 CNN 对样本逐一进行变换。相比之下,我们提出在变换中考虑样本间关系。为实现该目标,我们将谱聚类技术引入 CNN。我们推导出一个名为谱特征变换(Spectral Feature Transformation)的新模块,并以可忽略的代价将其无缝集成到现有 CNN 流程中,使我们的方法兼得两者之长。实证研究表明,所提方法在四个公开基准上无需额外技巧即以显著优势超越以往的 SOTA 方法。
引用
@article{arxiv.1811.11405,
title = {Spectral Feature Transformation for Person Re-identification},
author = {Chuanchen Luo and Yuntao Chen and Naiyan Wang and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:1811.11405},
year = {2018}
}
备注
Tech Report