用于单样本行人重识别深度学习的三元组排列方法
计算机视觉与模式识别
2020-03-19 v1
摘要
由于训练数据匮乏（每人仅有两个图像可用），通过训练深度卷积神经网络来解决单样本行人重识别（Re-Id）是一项艰巨挑战。这导致模型过拟合，性能退化。本文提出三元组排列方法，从特定重识别数据集中生成多个训练集。这是一种用于馈送三元组网络的新策略，可降低单样本重识别模型的过拟合。在最具挑战性的重识别数据集之一 PRID2011 上已证明性能提升，验证了该方法的有效性。
引用
@article{arxiv.2003.08303,
title = {Triplet Permutation Method for Deep Learning of Single-Shot Person Re-Identification},
author = {M. J. Gómez-Silva and J. M. Armingol and A. de la Escalera},
journal= {arXiv preprint arXiv:2003.08303},
year = {2020}
}