行人重識別在問題深度上有什麼問題可以研究?
Image-based 圖像檢索的指標比較高了。 如CUHK03數據集和Market-1501數據集。http://liangzheng.org/Project/state_of_the_art_market1501.html 行人重識別會不會很快像人臉一樣被做死。
是自己的一些想法吧,不太全。
1. 跨domain學習。現在常用的學習數據集可能是國內國人的數據(如清華拍攝的Market-1501 和CUHK地鐵站拍攝的CUHK03), 模型應用到 老外並且是冬天的數據集 DukeMTMC-reID上結果有了明顯下降。 學習一個魯棒性好的模型依舊是一個問題。
2. attribute 屬性學習。 Market1501 和DukeMTMC-reID 都提供了屬性(衣服顏色等等),如何衡量屬性之間的權重。
3. 視頻行人檢索。以視頻序列搜視頻序列,如Mars和PRID2011數據集。state-of-art還是以image base的model為主,時序信息利用的有限。推薦兩個學長視頻分類的論文:
- [1611.09053] Bidirectional Multirate Reconstruction for Temporal Modeling in Videos (CVPR2017)
- http://www.yugangjiang.info/publication/16MM-VideoFusion.pdf (ACM MM 2016)
4.使用自然語言來檢索行人。 ShuangLI59/person_search Dataset還有很多可以嘗試。
補充一個方向:行人檢測+行人檢索 (=行人重識別)
兩個數據集:Person Re-identification in the Wild (PRW)和CUHK-SYSU Person Search Dataset
推薦閱讀:
※行人重識別的應用場景有哪些?
※計算機如何理解圖像?
※怎麼樣才能踏入機器視覺這個行業?
※虛擬視點視頻的實時合成(real-time view synthesis )是否已經能夠實現?
※如何看待微軟 HoloLens 團隊大批人員跳槽 perceptiveIO?
TAG:人工智慧 | 計算機視覺 | 深度學習DeepLearning | 行人重識別 | 智能安保 |