【实例级时空行人重识别】Learning Instance-level Spatial-Temporal Patterns for Person Re-identification阅读笔记
思想及创新点
使用了空间模型、时间模型以及视觉特征提取三种信息来进行行人重识别。
与从前的Spatial-Temporal Person Re-Identification论文相比多使用了行人行走的方向信息。
Instance-level Spatial Constraint
同一个摄像头中的行人有不同的状态，例如下图行人可以从左边走也可以从右边走，这就是两种状态。
Instance-level Temporal Constraint
Joint Metric
实现细节
行人方向不需要手动注释，通过跟踪确定移动方向，也可通过五个连续帧内进行确定。
采用预训练的ResNet-50作为特征提取的基线。
将用于分布估计的高斯核的标准偏差设置为100。对于标度参数，公式16中的α和β分别设置为0.15和1。
实验对比
market数据集：
DukeMTMC-reID数据集：
烧烛实验：
引入实例级信息前后效果：
时空耦合以及时空解耦的区别：
