SphereReID：用于行人重识别的深度超球面流形嵌入
计算机视觉与模式识别
2019-04-22 v1
摘要
许多当前成功的行人重识别（ReID）方法使用softmax损失函数训练模型以对不同人的图像进行分类，同时获得特征向量。然而，底层的特征嵌入空间被忽视了。本文中，我们使用一种称为Sphere Softmax的改进softmax函数，以同时解决分类问题并学习超球面流形嵌入。我们还引入了均衡采样策略。最后，我们提出了一个称为SphereReID的卷积神经网络，采用Sphere Softmax，并在包括Market-1501、DukeMTMC-reID、CHHK-03和CUHK-SYSU在内的四个具有挑战性的数据集上，以新的预热学习率调度端到端训练单一模型。实验结果表明，该单一模型在所有四个数据集上均优于最先进（state-of-the-art）方法，无需微调或重排序。例如，其在Market-1501上达到94.4%的rank-1准确率，在DukeMTMC-reID上达到83.9%的rank-1准确率。我们模型的代码与训练权重将被发布。
引用
@article{arxiv.1807.00537,
title = {SphereReID: Deep Hypersphere Manifold Embedding for Person Re-Identification},
author = {Xing Fan and Wei Jiang and Hao Luo and Mengjuan Fei},
journal= {arXiv preprint arXiv:1807.00537},
year = {2019}
}
备注
Contribute to Journal of Visual Communication and Image Representation