Person Re-Identification by Iterative Re-Weighted Sparse Ranking

PAMI 2015
Source code available at: http://www.micc.unifi.it/lisanti/source-code/re-id/

本文提出了一种简单有效的行人检索。基于 sparse basis expansions,做了一定改进,使得可以对搜索到的图像进行排序。提出的特征也比较简单有效,对于光照和姿态变化的影响不大。测试结果比较好。

3 Weighted Histograms Of Overlapping Stripes (WHOS)
我们提出的特征比较简单有效,如下图所示:
这里写图片描述

对于每个图像条块,我们计算Hue-Saturation (HS) and RGB histograms,每个像素的对直方图的影响使用 Epanechnikov kernel 给一个权值。Epanechnikov kernel 如下所示:
这里写图片描述

4 Sparse basis expansions for Re-identification
4.1 Sparse Basis Expansion
使用 basis expansions 做分类器,背后主要思想是:给定一个类别足够的训练样本,对于测试样本可以有这些训练样本线性表示。
这里写图片描述
对于多个类别的 basis expansion 如下所示:
这里写图片描述

因为 basis T 可能是 highly overcomplete,所以我们只希望有几个权值参数不为零,大多数权值参数为零。我们增加了镇定约束:
这里写图片描述
我们的归一化重构误差为:
这里写图片描述
对应的类别就是重构误差最小的类:
这里写图片描述

上面思路的问题在于只对少数检索到的图像给予了排序,对于大多数图像没有排序,我们希望得到较多的排序图像。于是我们提出了 Iterative Sparse Re-Weighting

这里写图片描述

5 实验结果:

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

阅读更多
文章标签: 行人检索
个人分类: 行人检索
上一篇车辆检测“Integrating Context and Occlusion for Car Detection by Hierarchical And-Or Model”
下一篇Person re-identification by Local Maximal Occurrence representation and metric learning
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭