面向行人重识别的视角感知损失与角度正则化
计算机视觉与模式识别
2019-12-04 v1 机器学习
图像与视频处理
摘要
尽管近期有监督行人重识别（Re-ID）已取得巨大进展，但由于行人的视角变化，Re-ID仍是一项巨大的视觉挑战。现有多数基于视角的行人Re-ID方法将各视角图像投影至分离且不相关的子特征空间，仅建模单一视角内的身份级分布，而忽略了不同视角间的潜在关联。为解决此问题，我们提出一种称为视角感知损失与角度正则化（VA-reID）的新方法。我们的方法将不同视角的特征投影至统一超球面，而非为每个视角设一个子空间，并有效建模身份级与视角级的特征分布。此外，不同于将不同视角作为常规视角分类所用的硬标签，我们引入视角感知自适应标签平滑正则化（VALSR），为特征表示分配自适应软标签。VALSR可有效解决视角簇标签分配的歧义性。在Market1501与DukeMTMC-reID数据集上的大量实验表明，我们的方法优于当前最先进的有监督Re-ID方法。
引用
@article{arxiv.1912.01300,
title = {Viewpoint-Aware Loss with Angular Regularization for Person Re-Identification},
author = {Zhihui Zhu and Xinyang Jiang and Feng Zheng and Xiaowei Guo and Feiyue Huang and Weishi Zheng and Xing Sun},
journal= {arXiv preprint arXiv:1912.01300},
year = {2019}
}