全局特征
全局特征:每一张行人图片的全局信息进行一个特征抽取,这个特征没有任何的空间信息
局部特征
局部特征是对图像中的某一个区域进行特征提取,最后将多个局部特征融合起来作为最终特征。
常用的方式:切片、姿态、分割、网格
一些概念
水平切块
Gate Siamese
AlignedReID
PCB
ICNN
SCPNet
总结:
- 将图像进行水平方向的等分,每一个水平切块通过水平池化提取一个特征
- Gate Siamese与AlignedReID通过设计规则融合所有的局部特征计算距离
- PCB、ICNN、SCPNet对每一个局部特征计算一个Reid损失,直接将局部特征拼接起来
- 联合局部特征和全局特征往往得到更好的结果
姿态信息
代表算法:
PIE
Spindle Net
PDC
GLAD
PABP
总结:
- 利用一个姿态估计模型得到行人的(14个)关键姿态点
- 根据姿态点得到具有语义信息的part区域
- 对于每个part区域提取局部特征
- 联合局部特征和全局特征往往能够得到更好的结果
行人分割
coco粗粒度,lip细粒度
总结: