14 天前

逐步度量提升用于无监督视频行人重识别

{Huchuan Lu, Dong Wang, Zimo Liu}
逐步度量提升用于无监督视频行人重识别
摘要

高昂的标注成本,以及视频中蕴含的丰富但未标注的数据,促使我们提出一种无监督的基于视频的人体重识别(re-ID)方法。本文基于两个假设:1)在不同地点或时间间隔较长的情况下获取的视频轨迹(tracklet)通常包含不同个体;2)每个轨迹内部的帧大多属于同一人。基于上述假设,本文提出一种分步度量提升(stepwise metric promotion)方法,用于估计训练轨迹的个体身份,该方法在跨摄像头轨迹关联与特征学习之间迭代进行。具体而言,我们将每个训练轨迹作为查询(query),在跨摄像头的训练数据集中进行检索。所提方法基于互近邻(reciprocal nearest neighbor)搜索机制,能够有效剔除初始排序列表中的困难负样本匹配,即初始排名中错误匹配的跨摄像头最近邻。通过互近邻检验的轨迹被视为与查询轨迹具有相同身份。在PRID 2011、ILIDS-VID和MARS等多个数据集上的实验结果表明,所提出的方法在重识别精度上与监督方法相比具有非常强的竞争力。

逐步度量提升用于无监督视频行人重识别 | 最新论文 | HyperAI超神经