Multi-shot Pedestrian Re-identification via Sequential Decision Making (note)

Multi-shot Pedestrian Re-identification via Sequential Decision Making

因为视频连续帧有很多冗余，解决方法：

一个流学习rgb表面特征，一个流学习运动信息

他们的方法：

出发点：效果好的时候，看一张图片就好了，出现模糊和遮挡的现象时，需要动态的调节看多少图像。

使用增强学习框架

Then, the agent could output one of three actions: same, different or unsure

gt=groundtruth

State部分：

1.single-shot网络提出的特征

2.之前状态特征的均值

3.手动指定的特征

论文解释：还通过手工特征增强了图像功能，以便更好地进行区分。对于每个时间步t，我们计算距离和内积f（xi）·f（yj） 对所有1≤i，j≤t - 1，然后将它们的最大值，最小值和平均值加到输入中，从而得到6维额外特征。

 

Unsure 权值决定看几张图。

 

优点：只使用4张图像就能很快超过使用全部200张的图片。

遮挡时候unsure的Q value要大！

 

State-of-the-art的比较数据

 

样本时随机sample，按顺序选择样本效果要差一点。