1504.ICCVPartial Person Re-Identification 论文笔记

1504.ICCVPartial Person Re-Identification 论文笔记

作者针对之前一些模型都是假设给以完整行人检测图像probe情况下，进行行人重识别任务，独辟蹊径，主要解决reid最难处理的遮挡问题，研究给以不完整的行人图像块来进行ReID任务建模。
主要贡献是：

将应用在partial人脸识别中MSTR（multi-task sparse representation无需对齐，用稀疏特征表达，即词典的方法表示特征）方法迁移过来，在此基础上，添加约束减少错误对齐和匹配图像块的数目，引入图像块相似性评分机制，得到AMC(Ambiguity-sensitive Matching Classifier)模型，in order to model explicitly the diversity and ambiguity of the occlusion patterns in partial person re-id in our new sparse representation classification formulation. based on patch-level local-to-local
matching
另外，考虑了全局性的部件匹配，利用上空间布局信息，减少错匹配，提出SWM（sliding window matching ）模型，based on a global-to-local matching by a detection-based matching model

然后，作者对上述模型的分类结果得分做加权融合，并做实验设置加权参数，验证了融合模型AWC-SWM模型AWC和SWC相较于不融合能取得更好的表现。


由于是提出的partial Re-ID模型，为与之前模型作对比，作者制作自己的数据集，在CAVIVR与i-LIDS扩展数据集上裁剪partial图像块，即得P-CAVIAR and P-iLIDS数据集，并将设计的AMC-SWM融合模型与MSTR/RDC/PRSVM/L1-norm/LFDA/KISSME/LADF/SRC做了不同数据集下的比较，验证了结果有效性。
另外，作者说明了带核的LFDA模型相较于LFDA模型对partialReID任务不会产生有益的贡献
最后作者提出改进方向：将解决多尺度图像匹配问题，以得分匹配形式引入到融合模型中