面向基于图像的目标重识别的不确定性感知多镜头知识蒸馏
计算机视觉与模式识别
2020-01-22 v2
摘要
目标重识别（re-id）旨在跨时间或摄像机视角识别特定目标，其中行人重识别和车辆重识别是研究最为广泛的应用。由于视角、姿态和遮挡的变化，重识别具有挑战性。同一目标的多个镜头可覆盖多样的视角与姿态，从而提供更全面的信息。本文中，我们提出利用同一身份的多镜头来引导每幅单独图像的特征学习。具体而言，我们设计了一个不确定性感知多镜头教师-学生（UMTS）网络。它包含一个从同一目标的多幅图像中学习综合特征的教师网络（T-net），以及一个以单幅图像为输入的学生网络（S-net）。特别地，我们考虑了数据相关的异方差不确定性，以有效地将知识从 T-net 迁移至 S-net。据我们所知，我们首次以教师-学生的学习方式利用目标的多镜头来有效提升基于单图像的重识别。我们在流行的车辆重识别和行人重识别数据集上验证了方法的有效性。在推理时，仅使用 S-net 即显著优于基线并取得了最先进的性能。
引用
@article{arxiv.2001.05197,
title = {Uncertainty-Aware Multi-Shot Knowledge Distillation for Image-Based Object Re-Identification},
author = {Xin Jin and Cuiling Lan and Wenjun Zeng and Zhibo Chen},
journal= {arXiv preprint arXiv:2001.05197},
year = {2020}
}
备注
Thirty-Fourth AAAI Conference on Artificial Intelligence (AAAI-20)