文章目的
最近导师要求可能要试着搞一个行人重识别的落地项目,先学习一下这方面的基础知识,顺便记录一下自己的思路。
行人重识别的现状
建议像我一样刚刚接触CV领域的小白可以读下郑哲东大佬 关于REID现状的综述
总体来说,目前行人重识别主要还集中于学术界的研究阶段,不像人脸识别已经成为较成熟的技术。
我浏览了一下CVPR近几年有关reid的研究,热度确实是从18,19到20年逐渐上升的。但真正离可以落地的实际应用还差很远,很多大佬都提到了类似行人换一件衣服就无法准确识别的问题。
常用数据集
Market-1501:清华拍摄的数据集
DukeMTMC-reID:杜克大学拍摄的数据集
CUHK03:地铁站拍摄
比较常用的就是这三个数据集,但相比ImageNet这种级别的数据集还是差的比较多。其实数据集不大,可能会导致训练出的结果会比较LOCAL,比如用Market-1501做的工作,放到外国冬季场景下的DukeMTMC-reID结果就会不太好。
但如果针对具体的项目,我觉得这反而不是个问题,我们完全可以选择一些比较local的特征,牺牲一定的鲁棒性来提高模型的能力。
面临的挑战
和其他AI相关的研究相似,如何去除噪声的影响始终是一个热门的方面。我看到了一些组尝试在用3D结构去做,有很多不同的方向解决遮挡问题,这里之后再慢慢补充。
针对自己的项目,其实检测部分直接