ICCV 2017 spotlight论文解读:如何提高行人再识别的准确率

  1. 云栖社区>
  2. 雷锋网>
  3. 博客>
  4. 正文

ICCV 2017 spotlight论文解读:如何提高行人再识别的准确率

玄学酱 2017-10-24 11:03:00 浏览935
展开阅读全文

一、背景简介

近年来,行人再识别问题(Person-reID)研究热度逐渐上升。与人脸识别相比,它在采集图像时不需要行人主动配合,在安防等领域具有极大的应用潜力。基于深度学习的行人再识别方法,在近几年快速进步,在绝大部分公开数据集上,深度学习特征均超过了手工设计特征。这篇文章的工作主要围绕利用如何更好地学习的深度特征,提高行人再识别的准确率进行。然而,这篇文章实际上没有具体针对行人再识别的特有问题进行分析、优化,笔者认为该方法在小数据集问题上,该方法具有一般性意义,并且,该方法对CNN特征的物理意义开展了一些有趣的思考。

二、Motivation

首先需要说明的是,SVDNet基于这样一个对CNN权向量的简单解读:假设CNN的一层网络,其输入是I,输出是O,权矩阵是W,那么O=W'*I运算是在做线性投影,而W中所含的权向量则是一组投影基

网友评论

登录后评论
0/500
评论
玄学酱
+ 关注
所属云栖号: 雷锋网