多层相似度实现高效深度人员再辨识

CVPRMar, 2018

多层相似度实现高效深度人员再辨识

Efficient and Deep Person Re-Identification using Multi-Level Similarity

Yiluan Guo, Ngai-Man Cheung

TL;DR本文提出基于多层级相似度计算的、高效的全卷积 Siamese 网络，使用卷积层、空间变形网络和深度可分离卷积等技术，在 Person Re-Identification 问题上实现有效的结果。

Abstract

person re-identification (ReID) requires comparing two images of person captured under different conditions. Existing work based on neural networks often computes the similarity of feature maps from one single convolutional layer. In this work, we propose an efficient, end-to-end fully

person re-identification siamese network multi-level similarity convolutional layers spatial transformer networks

发现论文，激发创造

PersonNet: 使用深度卷积神经网络进行人员再识别

本文提出了一个端对端深度神经网络，用于同时学习高级特征和相应的相似性度量，用于人物再识别。我们的方法通过 10 个加权层和非常小的卷积过滤器提高了相似度测量的准确性，在 CUHK03 和 Market-1501 等数据集上一致优于现有算法。

Jan, 2016

基于三元组的深度相似性学习用于人员再识别

本文提出了基于三元组卷积神经网络的深度相似性学习框架，采用多数据集训练和双重采样方案，实现了在行人再识别任务中的有效性并表现出与甚至优于现有最先进方法的性能。

Feb, 2018

STNReID : 使用成对空间变换网络的深度卷积网络进行部分人员重新识别

本研究提出一种基于空间变换网络的深度偏分人员再识别框架，可以用于与整体身份图像匹配。实验结果表明，该框架在偏分人员再识别任务中达到了与最先进方法相当的准确率。

Mar, 2019

深度连对注视网络：基于视频的人员再识别的时间与位置选择

本论文提出了一种具有 Siamese attention architecture 的模型，在视频中提取本地卷积特征，并使用嵌入式注意机制在门控循环单元中选择性地传播相关特征并记住它们的空间依赖性，以解决视频中行人匹配的问题，并在三个基准数据集上取得了良好的效果。

Aug, 2018

基于深度循环卷积网络的视频行人再识别：一种端到端的方法

本文提出一种端到端的方法来同时学习视频人物再识别的时空特征和相应的相似度度量，采用深度卷积网络和循环神经网络进行时间序列建模和度量学习，通过时间汇聚产生整体特征表示，在 iLIDS-VID 和 PRID 2011 等公共数据集上达到最先进的性能水平。

Jun, 2016

人物再识别的判别式学习卷积神经网络嵌入

本文旨在探讨如何将卷积神经网络的不同特性相融合，提高行人识别任务中的性能，并提出了一个新型的任务学习框架，取得了当前公开基准数据集上的最佳表现，并且还证明了这个框架能够适用于图像检索任务。

Nov, 2016

基于相对距离比较的深层特征学习用于人员再识别

本文介绍了一种基于深度学习的可扩展的距离驱动特征学习框架，用于处理智能视频监控中的人员再识别问题，并展示了其在各个数据库上的有效性。该框架采用三元组单元的生成以及优化梯度下降算法解决三元组三倍扩增的问题。

Dec, 2015

一致关注孪生网络进行重新识别

本论文提出了一个用于人物再识别的深度学习网络 ——Consistent Attentive Siamese Network。该网络通过学习获得空间物体特征，使得对于跨视图的图像匹配具有鲁棒性，并展现了在保证同一身份图像的一致性的情况下，尽可能的利用图像内容进行监督与特征提取的方法，从而获得了具备解释性的预测能力。在 CUHK03-NP、DukeMTMC-ReID 和 Market-1501 数据集上进行的实验表明，该网络具有竞争力的性能表现。

Nov, 2018

多尺度深度学习架构用于人员再识别

本篇研究提出了一种新的多尺度深度学习模型，能够在不同尺度上学习深度的区分特征，并自动确定最适合匹配的尺度，明确地学习不同空间位置提取区分特征的重要性，实验证明该模型在多项基准测试中优于现有技术。

Sep, 2017

基于门控连体卷积神经网络的人体再识别架构

本文提出了一种用于跨摄像头匹配行人的人体再识别框架，通过引入一个选择性强化细粒度共有的局部模式的门控函数，将同一身份的图像向量嵌入到特征空间中更密集的区域，提高了再识别的性能。在 CUHK03、Market-1501 和 VIPeR 数据集上的实验证明，与基线 Siamese CNN 架构相比，该框架表现更优。

Jul, 2016