讲座《Person Re-Identification:Challenges and Recent Advances》笔记

讲座时间:2018/10/27 ;主讲人:田奇

讲座主要介绍了 Person Re-Identification 领域的一些数据集、背景、难点与最新进展,还有提出了一些现阶段的可能开展深入研究的方向。

笔者研究生阶段第一次听学术讲座,很荣幸听到田奇教授的讲座。做了一些快记,不太齐全,可能有误,具体的还是要仔细去查查。

主讲人简介:田奇,教授。IEEE Fellow、美国德克萨斯大学圣安东尼奥分校计算机系教授、长江学者。现于华为诺亚方舟实验室,任计算视觉首席科学家,主导视觉方向的前沿研究。

Background

大背景:大数据,高速增长

行人再识别主要运用:事件监测,行为分析……

最新CVPR18上有32篇相关论文,从2009年开始逐年增长。 2014后,deep learning被运用;2017后GAN based被运用

Challenges

  1. 大规模数据 Large-Scale Data

    • Limited Training Data:数据集样式不足,时间、空间受限
    • 数据获取困难:隐私问题,需要数据集种类多
    • 标注成本大
  2. 巨大差异性 Huge Variants:行人表观巨大差异性

  3. 非理想场景:目标不完整,遮挡,低质量图

Recent Advance

Advance 1:Large-Scale Data

  1. 数据集:目前最好的数据集

    • 图像数据集
      • Market-1501 多摄像头
      • MSMT17 真实场景:多时间跨度 复杂场景
    • 视频数据集
      • MARS
    • 🌟端对端数据集 An end-to-end re-identification dataset
      • PRW(Person Re-identification in the Wild):结合数据的检测和识别,不仅仅是单纯的跟踪识别,还包含了初始检测
  2. 数据生成

    • 传统方法 :旋转 缩放 镜像……
    • GAN based:
      • 生成不同姿态:目前生成质量低
      • 相机变换:利用相机A的照片生成相机B的照片
      • Domain Gap:风格迁移 in CVPR2018

Advance2:Huge Variants

  1. 传统方法

  2. Deep Learning

    • loss function:n元组

Advance3:非理想场景

  1. part of decetion:部分检测

    将人体拆分成多个部分进行检测

  2. Partial Matching 解决部分遮挡

    参见论文:DSR[CVPR18]

New Research Possibilities

  1. Datesets

    • 生成更多不同姿态 体型
    • 更多时间场景
    • 换装
    • 由短时间到长时间
    • 高清晰度数据
  2. Methods

    • 信息融合:单纯的图像信息不够 手机定位 GPS
    • 无标签数据
    • 超分辨率