Deep Learning for Person Re-identification: A Survey and Outlook
本文是夜盲团队在今年发表的综述类文章:
论文地址:
https://arxiv.org/abs/2001.04193v1
AGW开源地址:
https://github.com/mangye16/ReID-Survey
当前的问题及概述:
作者调查了245篇近两三年的行人重识别(Person Re-identification)论文,分类为封闭世界ReID与开放世界ReID,综述了该方向的技术进展,对未来ReID技术发展给出了几个有价值的方向。下图可见,在是否是异质数据、标注是否完备、是否含有噪声等方面,开放世界ReID更接近实际应用。
本文做了3方面工作:
1)对现有的深度学习方法进行了深入全面的分析,讨论了它们的优势和局限性。
2)为未来的开发设计了一个新的强大的AGW基线和一个新的评估度量(mINP)。AGW实现了最先进的性能,在单一和交叉模态Re-ID任务。mINP为现有的CMC/mAP提供了一个补充指标。
3)讨论几个重要的研究课题,以缩小封闭世界和开放世界应用之间的差距,向现实世界的Re-ID系统设计迈出一步。
ReID综述