Wieder-Rangfolge der Person Re-Identification mit k-reziproker Kodierung

Wenn man Personen-Wiedererkennung (re-ID) als einen Retrieval-Prozess betrachtet, ist die Neuanordnung (Re-Ranking) ein entscheidender Schritt zur Verbesserung ihrer Genauigkeit. Dennoch wurde in der re-ID-Gemeinschaft bisher wenig Aufwand in die Neuanordnung investiert, insbesondere bei vollautomatischen, unüberwachten Lösungen. In dieser Arbeit schlagen wir eine Methode zur k-reziproken Kodierung vor, um die Ergebnisse der Personen-Wiedererkennung neu zu ordnen. Unsere Hypothese lautet, dass ein Galeriebild wahrscheinlicher ein echtes Match ist, wenn es in den k-reziproken nächsten Nachbarn dem Suchbild (Probe) ähnlich ist. Speziell berechnen wir für ein gegebenes Bild das k-reziproke Merkmalsvektor durch die Kodierung seiner k-reziproken nächsten Nachbarn in einen einzelnen Vektor, der unter Verwendung des Jaccard-Abstands für die Neuanordnung verwendet wird. Der endgültige Abstand wird als Kombination des ursprünglichen Abstands und des Jaccard-Abstands berechnet. Unsere Neuanordnungsmethode erfordert keine menschliche Interaktion oder etikettierte Daten, wodurch sie auch auf großen Datensätzen anwendbar ist. Experimente mit den großen Datensätzen Market-1501, CUHK03, MARS und PRW bestätigen die Effektivität unserer Methode.