虚拟 CNN 分支：用于行人重识别的高效特征集成
计算机视觉与模式识别
2018-03-16 v1
摘要
在本文中，我们引入了一种卷积神经网络（CNN）的集成方法，称为“虚拟分支”，它可以在标准 CNN 的基础上以几乎不增加额外参数和计算量的方式实现。我们在行人重识别的背景下提出了我们的方法。我们的 CNN 模型由共享的底层组成，随后是“虚拟”分支，其中来自常规卷积层和全连接层块的神经元被划分为多个集合。每个虚拟分支使用不同的数据进行训练，以专注于不同的方面，例如特定的身体区域或姿态方向。通过这种方式，在几乎没有任何额外成本的情况下，获得了能够抵抗人体不对齐、形变或视角变化的鲁棒集成表示。所提出的方法在多个行人重识别基准数据集上取得了有竞争力的性能，包括 Market-1501、CUHK03 和 DukeMTMC-reID。
引用
@article{arxiv.1803.05872,
title = {Virtual CNN Branching: Efficient Feature Ensemble for Person Re-Identification},
author = {Albert Gong and Qiang Qiu and Guillermo Sapiro},
journal= {arXiv preprint arXiv:1803.05872},
year = {2018}
}