Person Re-Identification by Deep Learning Multi-Scale Representations

通過深度學習多尺度表達的行人重識別
摘要：
現存的行人重識別方法主要基于單一尺度的外觀信息。這不僅可能忽略了其他不同尺度的明確的有用信息，而且喪失了挖掘多尺度之間潛在的相關互補優勢的機會。這篇文章中，我們說明了使用卷積神經網絡學習多尺度人物外觀特征的優勢，旨在聯合學習有區別的特定尺度的特征，和在圖像金字塔輸入中最大化多尺度特征融合選擇。確切地說，我們構造了一個新的深度金字塔特征學習卷積神經網絡結構，這個結構在一個閉循環設計中，多尺度外觀特征融合被優化并存的每個尺度的行人重識別損失函數，和跨尺度的相互作用的一致性正則化項同時優化。大量的對比評估說明在三個基準Market-1501，CUHK03和DukeMTMC-reID庫中提出的深度金字塔特征學習模型在行人重識別上超過很多最先進的方法。

全文地址http://openaccess.thecvf.com/content_ICCV_2017_workshops/w37/html/Chen_Person_Re-Identification_by_ICCV_2017_paper.html

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明：文章內容（如有圖片或視頻亦包括在內）由作者上傳并發布，文章內容僅代表作者本人觀點，簡書系信息發布平臺，僅提供信息存儲服務。

推薦閱讀更多精彩內容