2018 AAAI之ReID:Hierarchical Discriminative Learning for Visible Thermal Person Re-Identification

Hierarchical Discriminative Learning for Visible Thermal Person Re-Identification

目前的问题
现有的交叉模态匹配方法主要侧重于对交叉模态分布的建模,而VT-REID也存在由于摄像机视角不同而导致的交叉视图变化。下图可以看到,除了对同一ID的跨模态问题外,对摄像机拍摄同一ID的视角变化也是当前ReID的一个难点。
在这里插入图片描述
本文提出了一个分层的跨模态匹配模型,该模型通过联合优化模态特异性和模态共享矩阵来实现。模式特异性度量将两种不同的模式转换成一个一致的空间,从而可以随后学习模式共享度量。与此同时,特定于模态的度量将同一个人的特征压缩到每个模态中,以处理较大的模态内人的变化(例如视点、姿势)。此外,提出了一种改进的两流CNN网络来学习多模态可共享特征表示。

网络框架及loss
在这里插入图片描述
本文提出的框架包括特征学习和度量学习两个阶段。前者的目的是学习多模态可共享的特征表示,通过一个具有identity loss 和contrastive loss的two-stream CNN网络来实现。后者侧重于判别匹配模态训练,分别使用特定模态的(V, T)和共享模态的(M)度量学习。
1.Feature Learning
首先,two-stream CNN Network中,

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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