【Person Re-ID】AlignedReID: Surpassing Human-Level Performance in Person Re-Identification

paper下载地址:https://arxiv.org/abs/1711.08184

Introduction

大多数基于CNN的方法都是学习全局特征,而忽略了人的结构性。因此带来的缺陷是:

  • 行人检测器检测框的不准确性会影响特征的学习。
  • 人体形态或者姿势的变化使得度量学习变得更加困难。
  • 遮挡给最终的特征带来不相干的上下文信息。
  • 当两个人有相似外表时,局部特征将变得很重要。

本文提出了一种新的方法,称为AlignedReID。此方法仍然学习全局特征,但是比自动局部对齐性能更好,也不需要姿势估计。在学习阶段,两个分支联合学习全局特征和局部特征。在局部分支,采用最短路径算法进行局部对齐。在inference阶段,只使用全局特征。由于加入了局部分支,使得上述难点更加得有针对性,因此学习到的全局特征能够很好的表征一个人的ID。

同时,作者使用共同学习方法在各个公开数据集上都达到了state-of-the-art。

Approach

AlignedReID

作者使用输入图像的全局特征的 L2 距离进行相似性度量。

全局特征是在最后一层卷积层的后面加上一个global pooling得到的。比如Resnet-50最后一个卷积层的输出为 204877 ,加上一个global pooling之后,变成2048维的特征。局部特征是先对最后一个卷积层的输出进行横向pooling,得到 204871 ,然后加上一个 11 的卷积层进行降维,最后输出为

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值