等距离约束度量学习的人重新识别技术

以下是资料介绍,如需要完整的请充值下载. 本资料已审核过,确保内容和网页里介绍一致.  
无需注册登录,支付后按照提示操作即可获取该资料.
资料介绍:

等距离约束度量学习的人重新识别技术(中文13000字,英文PDF)
关键词:
人重新识别
度量学习
等距离嵌入
摘要
行人重新识别(re-id),目的是在不相重叠的相机网络中搜索一个特定的行人,近年来行人重识别受到广泛关注。这个任务非常具有挑战性,特别是当数据库中每个人只存在单个图像时。本文提出了一种基于学习马氏距离的算法来研究行人重识别技术。我们的方法有两个显著的特点:(1)为了获得训练数据的最佳可分离性,我们首先通过将类间距离强制为零来最大限度地减小内部类距离,(2)提高学习度的泛化能力,然后最大化不同类之间的最小边界。在简单的几何直观的启发下,一个规则的单纯性最大化了它的最小边长,提供了所有边长的总和,我们的方法,称为等距离约束的度量学习(EquiDML),应用最小二乘回归技术将同一个人的图像映射到一个规律的单形同一顶点,并将不同的人的图像映射到一个规律的单形不同顶点。因此,在已学指标下,相同类别的图像被折叠到单个点,而不同类别的图像被转换成等距。这个简单的想法被进一步表述为凸凹性问题,由投影梯度下降法解决,并被证明在行人重识别中非常有效。尽管它相当简单,但我们的方法在CUHK01、CUHK03、Market1501和DukeMTMC-reID数据集上的表现优于最先进的方法,并在广泛使用的VIPeR数据集上取得了非常有竞争力的表现。