cv dnn识别动作规范 open_行人重识别综述:A Survey of Open-World Person Re-Id

44f5aaed4ea75cc6adce7cc9106ca29e.png

行人重识别是CV与模式识别领域一个很火的topic。然而现有的大多数工作都是基于封闭世界假设(即test set里的类别可能train set一定有,相反open-world即test set里的类别train set可能没有),在Re-ID领域即查询的用户可能并没有在gallery set中出现过。这篇综述主要是关于open-world model的。
Introduction
行人重识别问题是当下学术界,业界关注度很高的话题。核心的问题是给定一个query person,我们在数据库(gallery:一组图片的集合)中找到与query类似的目标。这些图片都是由不重叠的相机进行拍摄的。由于是跨摄像头的查询,人的体态,衣服,背景,动作都有很大的不同,给这个工作带来了巨大的挑战

ceeb62d01b23bf91d8388a528160c0d7.png

在早些年中,ReID往往被看作是跨摄像头追逐的子问题,直到2006年Gheissari才第一次作为单独的topic定义了ReID:对跨摄像头的图片,根据人的视觉特征进行匹配。A. Milestones of Existing Re-ID Studies

86c72c728998de993000581ae5ec16c3.png

2) Feature-Based vs. Metric-Based:
re-ID主要包含了特征提取和距离度量两个部分。传统的工作一般是设计更好,更robust的representation来区分任意摄像头下的行人。但是由于多摄像头下很多元素的变化,设计非常好的特征是非常困难的。基于度量学习的方法使用的是contrastive learning的技术,希望能够minimize 相同用户特征之间的距离,maximize不同用户特征之间的距离。

yearn:Contrastive Self-Supervised Learning​zhuanlan.zhihu.com
81bbbba081d4a82e957fc4730d9efc17.png

3) Hand-Crafted vs. Deeply-Learned:
早期的reid系统,low-level的特征,high-level的语义属性,全局/局部表示都是通过复杂又费时的手工提取。CNN出现之后这个工作就逐渐自动化了,比如使用孪生网络来学习很多的图片特征,所谓的孪生网络其实也是对比学习的方法之一。B. Re-ID in an Open-World Scenario
ReID的任务其实是为群众安全以及保安应用设计的,像在实际的视频监控系统中寻找特定人物的事件和轨迹的视频调查。很多closed-world的reid方法已经超过了人类在数据集上的表现,比如alignedReID:

linolzhang:AlignedReID 论文笔记​zhuanlan.zhihu.com
6b57c20dccb05c326fb8dfaa42bd6689.png

因此,研究工作必须致力于欠发达但更具挑战性的开放世界任务。在本调查中,我们从狭窄和概括的角度对开放世界的re-ID进行了全面的分析和讨论。1) Open-World Re-ID in a Narrow Perspective:
Closed-set scenario是为了寻找gallery中哪些图片和query是一个人,这是一个查询问题。而open-set scenario关注的问题是一个验证性的问题,即给定一个query,判断他是否出现在gallery中2) Open-World in a Generalized Perspective:

3a7df0e8befd5b62423b186582b7ae9f.png

由于工作量、成本、隐私等原因,许多re-ID基准都是基于有限的人数、选择性图像数据和模拟相机设置构建的。这与实际应用中的实际要求相差甚远。一个由特定的实际应用程序驱动的re-ID工作在广义的视角下可以属于开放世界范式(方法驱动的reid任务则不是),即使它不使用术语“开放世界”或“开放集”。
OPEN-SET RE-ID: A NARROW OPEN-WORLD PERSPECTIVE

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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