用于图像到视频行人重识别的时序知识传播
计算机视觉与模式识别
2019-10-11 v3
摘要
在行人重识别的许多场景中，图库集由大量监控视频组成，而查询仅是一张图像，因此必须在图像和视频之间进行重识别。与视频相比，静态人物图像缺乏时序信息。此外，图像与视频特征之间的信息不对称增加了图像与视频匹配的难度。为解决这一问题，我们提出了一种新颖的时序知识传播（TKP）方法，将视频表示网络学习到的时序知识传播到图像表示网络中。具体而言，给定输入视频，我们强制图像表示网络在共享特征空间中拟合视频表示网络的输出。通过反向传播，可以转移时序知识以增强图像特征，从而缓解信息不对称问题。结合额外的分类损失和综合三元组损失，我们的模型能够学习到具有表达力和判别力的图像与视频特征，用于图像到视频重识别。大量实验证明了我们方法的有效性，并且在两个广泛使用的数据集上的总体结果以大幅优势超越了 SOTA 方法。代码可在：https://github.com/guxinqian/TKP 获取。
引用
@article{arxiv.1908.03885,
title = {Temporal Knowledge Propagation for Image-to-Video Person Re-identification},
author = {Xinqian Gu and Bingpeng Ma and Hong Chang and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:1908.03885},
year = {2019}
}
备注
Accepted by ICCV 2019