以下轉自網路
跨鏡追蹤(Person Re-Identification,簡稱 ReID)技術是現在計算機視覺研究的熱門方向,主要解決跨攝像頭跨場景下行人的識別與檢索。該技術能夠根據行人的穿著、體態、髮型等信息認知行人,與人臉識別結合能夠適用於更多新的應用場景,將人工智慧的認知水平提高到一個新階段。
第二組圖,姿態。綠色衣服男子,左邊這張圖在走路,右圖在騎車,而且右圖還戴了口罩。
從剛才列舉的情況應該能夠理解 ReID 的技術難點,要解決實際問題是非常複雜的。
第三列,CUHK03,香港中文大學,13000 張照片,1467 個 ID,10 個攝像頭拍的。
這裡講一下評價指標,在 ReID 用得比較多的評價指標有兩個:
它的 mAP 是怎麼算的?對於第一張圖平均精度有一個公式在下面,就是 0.63 這個位置。第一張是 1 除以 1,第二張是除以排序實際位置,2 除以 3,第三個位置是 3 除以 4,第四個是 4 除以 8,第五張圖是 5 除以 20,然後把它們的值求平均,再總除以總的圖片量,最後得出的 mAP 值大概是 0.63。
這個方案是通過設計分類損失與對比損失,來實現對網路的監督學習。它測試時取的是 4096 這個向量來表徵圖片本人。這個文章應該是發在 2016 年,作者當時報告的效果在當時的時間點是有一定競爭力的,它的 Rank1 到了 79.51%,mAP 是 59.87%
1、基於局部區域調整的 ReID 解決方案。多粒度網路也是解決局部特徵和全局特徵的方案。這是作者發的一篇文章,他解釋了三種方案。