【2020論文閱讀】11月

Tess_ty發表於2020-11-27

1、Hierarchical Gaussian Descriptors with Application to Person Re-Identification

用於行人重識別的分層高斯描述符

【論文閱讀】

摘要:描述人像的顏色和文字資訊是reid中重要的一環。雖然協方差描述符(Covariance descriptor)已經成功地應用於reid,但是協方差描述符丟失了區域的區域性結構和畫素特徵的均值資訊(mean information),而這兩者往往是reid的主要判別資訊。本文提出了一種基於畫素特徵分層高斯分佈的元描述符,將均值和協方差資訊同時包含在patch級和區域級描述中。更具體地說,該區域被建模為一組多個高斯分佈,每個高斯分佈代表一個區域性patch的外觀。高斯分佈集的特徵由另一個高斯分佈來描述。由於高斯分佈的空間不是線性空間,因此在兩個步驟中我們都將高斯分佈的引數嵌入到對稱正定矩陣流形的點中。我們首次表明,規範化SPD矩陣的規模增強了該流形上的層次特徵表示。此外,我們開發了特徵歸一化方法,能夠緩解存在於SPD矩陣描述符上的偏差趨勢。在5個公共資料集上的實驗結果表明了所提出的描述符的有效性。

正文:

一個協方差描述符將感興趣區域描述為畫素特徵的協方差矩陣協變數矩陣描述了畫素特徵內元素之間的統計依賴關係,並提供了一種自然的方式來將畫素特徵的不同模式(如顏色和紋理)融合到一個單一的元描述符中。

本文提出一個元描述符,基於畫素特徵的分層高斯分佈。先對一個區域集中提取,將此區域視為a set of local patches.該區域會被建模為多個高斯分佈的集合,每個分佈代表一個local patch。把代表每個local patch的高斯分佈稱為a patch Gaussian.patch Gaussians的特徵會再次由另一個高斯分佈表示,將這個高斯分佈稱為 region Gaussian

[Riemannian metrics](https://blog.csdn.net/whwan11/article/details/80487153)

 

相關文章