细看合成数据：面向行人重识别的细粒度属性分析
计算机视觉与模式识别
2021-04-07 v3
摘要
行人重识别（re-ID）在公共安全与视频监控等应用中发挥着重要作用。近来，受益于合成数据引擎的普及，从合成数据学习取得了令人瞩目的性能。然而，在追求高精度的过程中，学界研究者总是聚焦于以高昂的时间与标注代价使用大规模数据集训练，却忽视了挖掘从海量合成数据中进行高效训练的潜力。为推动该领域发展，我们回顾了先前开发的合成数据集 GPR，并构建了改进版（GPR+），其具有更多身份数与区分性属性。在此基础上，我们定量分析了数据集属性对重识别系统的影响。据我们所知，我们是首批从合成数据属性角度显式剖析行人重识别的尝试之一。本研究有助于我们深入理解行人重识别中的基本问题，也为数据集构建与未来实际运用提供了有益见解。
引用
@article{arxiv.2010.08145,
title = {Taking A Closer Look at Synthesis: Fine-grained Attribute Analysis for Person Re-Identification},
author = {Suncheng Xiang and Yuzhuo Fu and Guanjie You and Ting Liu},
journal= {arXiv preprint arXiv:2010.08145},
year = {2021}
}
备注
Accepted as conference paper in ICASSP 2021. arXiv admin note: text overlap with arXiv:2006.07139