Ré-ordonnancement de la ré-identification des personnes avec l'encodage k-réciproque

Lorsqu'on considère la réidentification de personnes (re-ID) comme un processus de recherche, le reclassement est une étape cruciale pour améliorer sa précision. Cependant, dans la communauté de la re-ID, peu d'efforts ont été consacrés au reclassement, en particulier aux solutions entièrement automatiques et non supervisées. Dans cet article, nous proposons une méthode de codage k-réciproque pour reclassement des résultats de re-ID. Notre hypothèse est que si une image de la galerie est similaire à l'image de référence parmi les k plus proches voisins réciproques, elle a plus de chances d'être une véritable correspondance. Plus précisément, étant donné une image, une caractéristique k-réciproque est calculée en encodant ses k plus proches voisins réciproques dans un seul vecteur, qui est utilisé pour le reclassement selon la distance de Jaccard. La distance finale est calculée comme une combinaison de la distance initiale et de la distance de Jaccard. Notre méthode de reclassement ne nécessite aucune interaction humaine ni aucune donnée étiquetée, ce qui la rend applicable à des jeux de données à grande échelle. Des expériences menées sur les jeux de données à grande échelle Market-1501, CUHK03, MARS et PRW confirment l'efficacité de notre méthode.