一、提出问题
本文主要针对行人重识别过程中的身体部位错位匹配导致识别精度有限的问题进行研究。
由图1-1可以看出行人姿势多变,人体空间分布鲁棒性低,而且现有空间分割算法建立在人体空间分布大致相同的假设下,但这种假设并不总符合实际情况。
图1-1 身体部位对齐的必要性
二、论文贡献
- 提出了一种深度神经网络方法,它联合身体部位特征提取和特征计算,无需标记有关人体部位的信息,而是通过端到端方式最大化重识别精度用以学习模型的参数。与空间划分相比,本文的方法采取人体部分划分,因此对于人体姿势变化和边界框中的各种人体空间分布更加鲁棒。
- 实证结果表明,本文的方法在标准数据集Market -1501,CUHK03,CUHK01和VIPeR上有着优越的表现。
- 模型结构
设训练数据为,构造一个三元组
,
是正样本对(同一个人的图像),