2023-01-18:研究室的1篇行人再识别论文被TCSVT接收
研究室的1篇行人再识别论文被TCSVT接收为Regular论文: Zhenyu Cui, Jiahuan Zhou, Yuxin Peng, Shiliang Zhang and Yaowei Wang, "DCR-ReID: Deep Component Reconstruction for Cloth-Changing Person Re-Identification", IEEE Transactions on Circuits and Systems for Video Technology (TCSVT), 2023。祝贺崔振宇同学!
行人再识别技术旨在匹配不同时间和空间中的同一个行人,其中,行人服装的改变是行人再识别技术走向实际应用的一大挑战。现有换装行人再识别方法通常直接提取行人本身的信息,但忽略了潜在服装信息的干扰,导致行人的误匹配。针对上述问题,本文提出了一种基于行人-服装特征解耦的行人再识别方法,能够直接过滤服装信息带来的干扰。首先,提出了一种基于重构学习的特征解耦方法,通过重构不同的行人部件区域实现对行人特征和服装特征的分离。其次,提出了一种行人特征增强方法,使行人表征网络和分类网络在对抗学习过程中相互促进,从而提升行人特征的判别性。在推理时,直接去除服装特征,从而过滤服装信息带来的干扰,提升了换装行人再识别能力。该方法在三个广泛使用的换装行人再识别数据集上验证了有效性。
行人再识别技术旨在匹配不同时间和空间中的同一个行人,其中,行人服装的改变是行人再识别技术走向实际应用的一大挑战。现有换装行人再识别方法通常直接提取行人本身的信息,但忽略了潜在服装信息的干扰,导致行人的误匹配。针对上述问题,本文提出了一种基于行人-服装特征解耦的行人再识别方法,能够直接过滤服装信息带来的干扰。首先,提出了一种基于重构学习的特征解耦方法,通过重构不同的行人部件区域实现对行人特征和服装特征的分离。其次,提出了一种行人特征增强方法,使行人表征网络和分类网络在对抗学习过程中相互促进,从而提升行人特征的判别性。在推理时,直接去除服装特征,从而过滤服装信息带来的干扰,提升了换装行人再识别能力。该方法在三个广泛使用的换装行人再识别数据集上验证了有效性。