Improving Person Re-identification by Attribute and Identity Learning
论文链接
1.摘要&介绍
(1)Re-ID:全局特征,Attribute recognition:局部特征。将这两个方面融合形成新的网络APR,在CNN的基础结构上改进。
(2)Person Re-ID是在非重叠相机下找到查询行人;Attribute recognition是预测一张图像出现的属性。
(3)与之前研究的不同之处:1) 大多方法使用attribute加强元组或三元组之间的联系。历史上,这种方法的出现是因为数据集通常每个行人身份只提供两张图像。但是最近的数据集比如Market-1501和DukeMTMC-reID对每一个类都提供了大量的训练样例。并且classification模型的效果比siamese模型的效果更好。这篇文章因此使用classification CNN模型训练Multi-TASK网络。2)我们试验看re-ID是否能提高attribute recognition的准确度。这篇文章我们主要关注ID-level(人本身)的属性而不是instance-level(人在特定时刻,如打电话、骑车等等)的属性。
(4)这是第一次为Re-ID将attribute融入classification CNN模型。网络基于两条baseline网络创建,一条Re-ID,另一条attribute recognition。
2.相关的工作