行人重识别中度量学习方法研究进展

作     者：邹国锋 傅桂霞 高明亮 彭祥 刘征 ZOU Guo-feng;FU Gui-xia;GAO Ming-liang;PENG Xiang;LIU Zheng

作者机构：山东理工大学电气与电子工程学院山东淄博255049 不列颠哥伦比亚大学工程学院不列颠哥伦比亚基洛纳V1V1V7 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2021年第36卷第7期

页      面：1547-1557页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61601266,61801272) 淄博市张店区校城融合项目(118228) 山东省自然科学基金项目(ZR2015FL029,ZR2016FL14) 

主　　题：行人重识别 距离度量 度量学习算法 重排序 

摘      要：行人重识别是计算机视觉领域极具挑战的研究课题.近年来,伴随大规模行人数据集推出和深度学习发展,针对行人特征提取与描述、距离度量学习两大关键技术的研究取得众多成果.已有综述文献主要对特征提取与描述方法开展了归纳总结,尚缺乏对度量学习方法的全面分析.同时,鉴于度量学习在提升重识别性能中的关键作用,有必要对行人重识别中度量学习研究现状进行系统梳理.基于此,从距离度量方式、度量学习算法和重排序3方面系统总结了行人重识别度量学习方法,比较了部分典型方法的实验效果,并对未来可能的研究方向作了展望.