基于双流卷积网络与协同注意力片段嵌入的视频行人重识别
信息检索
2019-05-29 v1 计算机视觉与模式识别
机器学习
摘要
近年来，行人重识别在视觉监控和人机交互中的应用急剧增加，凸显了该问题的重要作用。在本文中，我们提出了一种基于竞争性相似聚合方案和协同注意力嵌入策略的双流卷积网络(ConvNet)，用于视频行人重识别。通过将长视频序列划分为多个短视频片段，我们设法利用每个片段的 RGB 帧、光流图和姿态图来辅助残差网络（如 ResNet）在双流 ConvNet 中进行特征提取。提取的特征通过协同注意力嵌入方法进行嵌入，这有助于减少噪声帧的影响。最后，我们将两个流的输出融合作为片段的嵌入，并应用竞争性片段相似度聚合来度量两个序列之间的相似度。我们的实验表明，所提出的方法在多个数据集上显著优于当前 SOTA 方法。
引用
@article{arxiv.1905.11862,
title = {Video-based Person Re-identification with Two-stream Convolutional Network and Co-attentive Snippet Embedding},
author = {Peixian Chen and Pingyang Dai and Qiong Wu and Yuyu Huang},
journal= {arXiv preprint arXiv:1905.11862},
year = {2019}
}
备注
5 pages, 2 figures