行人的Deep Transfer Learning用于Re-identification

Geng, Mengyue 等人于 2016 年发表的论文《Deep Transfer Learning for Person Re-identification》已被收录于 arXiv 预印本平台，其编号为 arXiv:1611.05244。

概述

针对行人重识别这一技术难题，即判定不同时间出现的个体是否为同一人，所提出的方法在Market 1501竞赛榜单中位居首位。其Rank-1准确率较排名第二的方案高出约4%，相较于传统技术手段，其性能提升尤为显著。

本研究的创新之处主要体现在以下三个方面：

• 在网络架构设计上，采用已训练完成的GoogleNet模型实现特征信息的提取；并通过引入Verification与Classification代价函数对模型进行优化调整。
• 在模型训练过程中，采取分阶段的参数优化策略，从而有效支持了小规模数据集的应用需求。
• 提出一种新颖的无监督学习方式，充分利用了未