摘要: 行人重识别是近年来计算机视觉领域的热点问题, 经过多年的发展, 基于可见光图像的一般行人重识别技术已经趋近成熟. 然而, 目前的研究多基于一个相对理想的假设, 即行人图像都是在光照充足的条件下拍摄的高分辨率图像. 因此虽然大多数的研究都能取得较为满意的效果, 但在实际环境中并不适用. 多源数据行人重识别即利用多种行人信息进行行人匹配的问题. 除了需要解决一般行人重识别所面临的问题外, 多源数据行人重识别技术还需要解决不同类型行人信息与一般行人图片相互匹配时的差异问题, 如低分辨率图像、红外图像、深度图像、文本信息和素描图像等. 因此, 与一般行人重识别方法相比, 多源数据行人重识别研究更具实用性, 同时也更具有挑战性. 本文首先介绍了一般行人重识别的发展现状和所面临的问题, 然后比较了多源数据行人重识别与一般行人重识别的区别, 并根据不同数据类型总结了5 类多源数据行人重识别问题, 分别从方法、数据集两个方面对现有工作做了归纳和分析. 与一般行人重识别技术相比, 多源数据行人重识别的优点是可以充分利用各类数据学习跨模态和类型的特征转换. 最后, 本文讨论了多源数据行人重识别未来的发展.

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190278

成为VIP会员查看完整内容
37

相关内容

行人重识别(Person re-identification)也称行人再识别,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像,检索跨设备下的该行人图像。旨在弥补目前固定的摄像头的视觉局限,并可与行人检测/行人跟踪技术相结合,可广泛应用于智能视频监控、智能安保等领域。 由于不同摄像设备之间的差异,同时行人兼具刚性和柔性的特性 ,外观易受穿着、尺

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
多模态视觉语言表征学习研究综述
专知会员服务
185+阅读 · 2020年12月3日
时空序列预测方法综述
专知会员服务
151+阅读 · 2020年10月18日
专知会员服务
36+阅读 · 2020年8月19日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
3D目标检测进展综述
专知会员服务
185+阅读 · 2020年4月24日
【综述】交通流量预测,附15页论文下载
专知会员服务
128+阅读 · 2020年4月23日
基于深度神经网络的少样本学习综述
专知会员服务
163+阅读 · 2020年4月22日
专知会员服务
109+阅读 · 2020年3月20日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
零样本图像分类综述 : 十年进展
专知会员服务
121+阅读 · 2019年11月16日
【综述】生成式对抗网络GAN最新进展综述
专知
57+阅读 · 2019年6月5日
旷视南京研究院魏秀参:细粒度图像分析综述
极市平台
5+阅读 · 2019年4月6日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
通过时空模型迁移学习的无监督的跨数据集行人重新识别
统计学习与视觉计算组
8+阅读 · 2018年10月23日
CVPR2018:基于时空模型无监督迁移学习的行人重识别
全球人工智能
7+阅读 · 2018年3月26日
独家 | 基于深度学习的行人重识别研究综述
AI科技评论
11+阅读 · 2017年12月20日
行人再识别中的迁移学习
计算机视觉战队
11+阅读 · 2017年12月20日
Arxiv
0+阅读 · 2020年12月3日
Arxiv
1+阅读 · 2020年11月27日
Arxiv
0+阅读 · 2020年11月26日
Arxiv
8+阅读 · 2020年8月30日
Attention Network Robustification for Person ReID
Arxiv
5+阅读 · 2019年10月15日
Fast AutoAugment
Arxiv
4+阅读 · 2019年5月1日
Arxiv
8+阅读 · 2018年5月17日
VIP会员
相关VIP内容
多模态视觉语言表征学习研究综述
专知会员服务
185+阅读 · 2020年12月3日
时空序列预测方法综述
专知会员服务
151+阅读 · 2020年10月18日
专知会员服务
36+阅读 · 2020年8月19日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
3D目标检测进展综述
专知会员服务
185+阅读 · 2020年4月24日
【综述】交通流量预测,附15页论文下载
专知会员服务
128+阅读 · 2020年4月23日
基于深度神经网络的少样本学习综述
专知会员服务
163+阅读 · 2020年4月22日
专知会员服务
109+阅读 · 2020年3月20日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
零样本图像分类综述 : 十年进展
专知会员服务
121+阅读 · 2019年11月16日
相关资讯
【综述】生成式对抗网络GAN最新进展综述
专知
57+阅读 · 2019年6月5日
旷视南京研究院魏秀参:细粒度图像分析综述
极市平台
5+阅读 · 2019年4月6日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
通过时空模型迁移学习的无监督的跨数据集行人重新识别
统计学习与视觉计算组
8+阅读 · 2018年10月23日
CVPR2018:基于时空模型无监督迁移学习的行人重识别
全球人工智能
7+阅读 · 2018年3月26日
独家 | 基于深度学习的行人重识别研究综述
AI科技评论
11+阅读 · 2017年12月20日
行人再识别中的迁移学习
计算机视觉战队
11+阅读 · 2017年12月20日
相关论文
Arxiv
0+阅读 · 2020年12月3日
Arxiv
1+阅读 · 2020年11月27日
Arxiv
0+阅读 · 2020年11月26日
Arxiv
8+阅读 · 2020年8月30日
Attention Network Robustification for Person ReID
Arxiv
5+阅读 · 2019年10月15日
Fast AutoAugment
Arxiv
4+阅读 · 2019年5月1日
Arxiv
8+阅读 · 2018年5月17日
微信扫码咨询专知VIP会员