点击我爱计算机视觉标星,更快获取CVML新技术
今天 arXiv 新出论文 Deep Learning for Person Re-identification: A Survey and Outlook,作者调查了245篇近两三年的行人重识别(Person Re-identification)论文,分类为封闭世界ReID与开放世界ReID,综述了该方向的技术进展,对未来ReID技术发展给出了几个有价值的方向,是近期最值得读的ReID综述。
该文作者信息:
该文作者来自起源人工智能研究院(IIAI)、北理工、英国萨里大学、Salesforce亚洲研究院。
下图为作者总结的ReID技术的五大步骤:
1)数据收集;
2)包围框生成;
3)训练数据标注;
4)模型训练;
5)行人检索
作者将ReID技术分为Closed-world 和Open-world 两大子集:
可见,在是否是异质数据、标注是否完备、是否含有噪声等方面,开放世界ReID更接近实际应用。
Closed-world ReID技术
1)特征表示学习方法:
2)度量学习中的损失函数设计:
另外在训练策略上要考虑样本不平衡的数据采样。
3)重排序优化:
封闭世界ReID中常用的数据集统计:
基于图像的ReID方法在四大数据集上的SOTA方法精度可视化:
基于视频的ReID方法在四大数据集上的SOTA方法精度可视化:
文中方法简称请参阅原论文。
Open world ReID方法
1)异质数据ReID
基于深度ReID;
文本到图像ReID;
可见光到红外ReID;
跨分辨率ReID;
2)端到端ReID
纯图像/视频的ReID;
多摄像头跟踪的ReID;
3)半监督和无监督的ReID
其中无监督ReID SOTA方法统计:
4)噪声鲁棒ReID
5)开放集合ReID
展望
作者提出了新的衡量ReID算法好坏新的评价标准mINP:
在SOTA算法BagTricks基础上提出了AWG方法:
AGW方法在几大数据集上均取得了大幅的精度提升:
AGW方法非常值得参考,作者期待其能成为未来ReID研究的强大基线,代码将开源。
论文地址:
https://arxiv.org/abs/2001.04193v1
AGW开源地址:
https://github.com/mangye16/ReID-Survey
(目前还未开源)
在我爱计算机视觉公众号后台回复“ReID综述”,即可收到论文下载。
ReID交流群
关注最新最前沿的行人重识别ReID、行人检测、行人属性识别、步态识别技术,扫码添加CV君拉你入群,(如已为CV君其他账号好友请直接私信)
(请务必注明:ReID)
喜欢在QQ交流的童鞋,可以加52CV官方QQ群:805388940。
(不会时时在线,如果没能及时通过验证还请见谅)
长按关注我爱计算机视觉