STNReID：基于成对空间变换网络的深度卷积网络用于局部行人重识别
计算机视觉与模式识别
2020-01-08 v2
摘要
局部行人重识别（ReID）是一项具有挑战性的任务，因为可用于匹配目标行人的仅有行人图像的部分信息。很少有研究（尤其是基于深度学习的）关注局部行人图像与整体行人图像的匹配。本研究提出了一种基于成对空间变换网络（STNReID）的新型深度局部ReID框架，其可在现有的整体行人数据集上训练。STNReID包含一个空间变换网络（STN）模块和一个ReID模块。STN模块从整体图像中采样一个仿射图像（语义对应的块）以匹配局部图像。ReID模块提取整体、局部和仿射图像的特征。观察到STN模块与ReID模块之间存在竞争（或对抗），并采用两阶段训练以获得用于局部ReID的强STNReID。实验结果表明，我们的STNReID在partial ReID和partial iLIDS数据集上分别取得了66.7%和54.6%的rank-1准确率。这些数值与最先进方法所得结果相当。
引用
@article{arxiv.1903.07072,
title = {STNReID : Deep Convolutional Networks with Pairwise Spatial Transformer Networks for Partial Person Re-identification},
author = {Hao Luo and Xing Fan and Chi Zhang and Wei Jiang},
journal= {arXiv preprint arXiv:1903.07072},
year = {2020}
}
备注
Accepted by IEEE Transactions on Multimedia