サリエンシー学習による人物再識別

人間の目は、小さな顕著な領域に基づいて人物の識別を認識することができ、つまり、人物のサリエンシーは、異なるカメラビュー間の歩行者マッチングにおいて独特かつ信頼性があります。しかし、このような貴重な情報は、既存のアプローチで歩行者画像の類似性を計算する際にしばしば隠れています。人間のサリエンシーに対する認識のユーザースタディの結果に触発されて、人物の再識別のための新しい視点を提案します。これは、人物のサリエンシーを学習し、サリエンシー分布をマッチングさせることに基づいています。提案するサリエンシー学習およびマッチングフレームワークは、次の4つのステップから構成されています：(1) 視点の変化やポーズのバリエーションによって引き起こされる非整合性を処理するために、隣接制約パッチマッチングを適用して、画像ペア間の密な対応を構築します。(2) 各画像パッチのサリエンシースコアを推定するために、K近傍法および一クラスSVMの2つの代替手法を提案します。これにより、トレーニングプロセスで識別ラベルを使用せずに顕著な特徴が際立ちます。(3) サリエンシーマッチングはパッチマッチングに基づいて提案され、サリエンシーが一致しないパッチには罰則があり、同じ識別の画像はサリエンシーマッチングコストを最小化することによって認識されます。(4) さらに、サリエンシーマッチングは、統一構造的RankSVM学習フレームワーク内でパッチマッチングと密接に統合されています。我々のアプローチの効果は、4つの公開データセットで検証されています。我々のアプローチは、これらの全てのデータセットにおいて、最先端の人物再識別手法を上回っています。