论文笔记014:[WACV2022]Improving Person Re-Identification with Temporal Constraints

在这里插入图片描述


摘要

在本文中,我们介绍了一个基于图像的行人重识别数据集,该数据集收集了爱尔兰都柏林大型繁忙机场的五个非重叠摄像头视图。与所有公开的基于图像的数据集不同,我们的数据集除了包含帧号、相机和个人id外,还包含时间戳信息。此外,我们的数据集已经完全匿名,以符合现代数据隐私法规。 该数据集的最大的不同就是包含着时间戳的信息
我们将最先进的行人重识别模型应用于我们的数据集,并表明通过利用可用的时间戳信息,我们能够在mAP上获得37.43%的显著增益,在Rank1上获得30.22%的增益。我们还提出了一个贝叶斯时间重排序后处理步骤,这进一步增加了10.03%的mAP增益和9.95%的Rank1增益。实验效果很好
这种结合视觉和时间信息的工作在其他基于图像的行人重识别数据集中是不可能的。我们相信,提出的新数据集将使行人重识别研究的进一步发展,具有挑战性的现实世界的应用。


数据集

1.和其他数据集比较突出优势:具备时间戳信息和匿名信息
在这里插入图片描述
2.一张图把数据集中的challenge指出
注意脸是打码了没有泄露任何身份信息
在这里插入图片描述
3.可视化结果
在这里插入图片描述


实验

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述


我的思考

这个数据集最大的亮点在于数据集时间戳信息的利用,在后处理rerank的时候能缩小目标范围。rerank的时候分为了空间rerank和时间rerank,疑惑就是在展示数据集的难点时展现那么多,但是并没有针对这些问题去解决,利用的是时间信息和Camera的空间信息。

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