行人重识别——全局特征和局部特征

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：

网格特征