【实例级时空行人重识别】Learning Instance-level Spatial-Temporal Patterns for Person Re-identification阅读笔记

思想及创新点

使用了空间模型、时间模型以及视觉特征提取三种信息来进行行人重识别。

与从前的Spatial-Temporal Person Re-Identification论文相比多使用了行人行走的方向信息。

Instance-level Spatial Constraint

同一个摄像头中的行人有不同的状态，例如下图行人可以从左边走也可以从右边走，这就是两种状态。

Instance-level Temporal Constraint

Joint Metric

实现细节

行人方向不需要手动注释，通过跟踪确定移动方向，也可通过五个连续帧内进行确定。
采用预训练的ResNet-50作为特征提取的基线。
将用于分布估计的高斯核的标准偏差设置为100。对于标度参数，公式16中的α和β分别设置为0.15和1。

实验对比

market数据集：

DukeMTMC-reID数据集：


烧烛实验：

引入实例级信息前后效果：

时空耦合以及时空解耦的区别：