用于行人重识别的时序模型自适应
计算机视觉与模式识别
2016-07-26 v1
摘要
行人重识别是计算机视觉中一个开放且具挑战性的问题。大部分研究工作致力于设计最佳特征表示或学习最优匹配度量。大多数方法忽略了随时间自适应所选特征或已学习模型的问题。为解决此问题，我们提出了一种人在环中的时序模型自适应方案。我们首先引入一种相似-不相似学习方法，该方法可通过随机交替方向乘子法优化程序以增量方式进行训练。然后，为实现有限人力下的时序自适应，我们利用基于图的方法，仅向用户呈现最应被用于更新模型的信息量最大的探针-图库匹配。在三个数据集上的结果表明，我们的方法表现与最先进方法相当甚至更优，同时将人工成对标注工作量减少了约 80%。
引用
@article{arxiv.1607.07216,
title = {Temporal Model Adaptation for Person Re-Identification},
author = {Niki Martinel and Abir Das and Christian Micheloni and Amit K. Roy-Chowdhury},
journal= {arXiv preprint arXiv:1607.07216},
year = {2016}
}