Retrieval Augmented Generation - 2017年12月

Hierarchical Cross Network for Person Re-identification

发布时间：2017-12-19

作者：Huan-Cheng Hsu, Ching-Hang Chen, Hsiao-Rong Tyan, Hong-Yuan Mark Liao

中文摘要：

人员重识别（Person re-identification，简称Person re-ID）旨在匹配从不同且不重叠的摄像头视角中抓取的目标人物。它在公共安全领域发挥着重要作用，并在如人员检索、人员追踪和活动分析等多种任务中有所应用。在本文中，我们提出了一种名为分层交叉网络（Hierarchical Cross Network，简称HCN）的新网络架构，用于执行人员重识别任务。除了传统的卷积神经网络（CNN）的骨干模型之外，HCN还配备了两个额外的映射，称为分层交叉特征图。HCN的映射是通过合并不同分辨率和语义级别的层来形成的。借助分层交叉特征图，HCN能够有效地揭示传统CNN无法发现的额外语义特征。尽管所提出的HCN能够发现具有更高语义的特征，但其表示能力仍然有限。为了得到更通用的表示，我们在训练过程中通过结合多个数据集来增强数据。实验结果表明，所提出的方法优于几种最先进的方法。

一句话总结：

本文提出了一种基于分层交叉网络的改进人员重识别方法，通过结合不同分辨率和语义级别的特征图，实现了比现有方法更优的性能。

---