Title: Person Re-Identification Using CNN Features Learned from Combination of Attributes

Authors: Tetsu Matsukawa, Einoshin Suzuki

Affliation: Faculty of Information Science and Electrical Engineering (ISEE), Kyushu University, Japan(日本九州大学)

* Papers about "Person Re-Identification" via deep learning methods 行人重识别深度学习方法相关论文整理

Contribution

• We show that the fine-tuning on the pedestrian attribute dataset largely improves the performance of CNN features for person re-identification.
• We propose a loss function for classifying combination attributes to increase discriminative power of CNN features.

论文概括

基本思想：利用行人的attributes增强对行人识别的准确性

主要方法: 

• 基本网络结构是AlexNet
• 
• Phase 1：fine-tune，利用Pedestrian Attribute (PETA) dataset
  • task 1: 利用Pedestrian Attribute (PETA) dataset训练行人的属性，如年龄、性别 、Luggage（是否带行李）、上体衣服颜色等等，每个属性分成一个group，共G个。该部分构建Multi-Attribute Loss，该部分网络的FC8层有G个，每个group对应一个softmax分类。
  • task 2: 构建Combination-Attribute Loss，将所有group的所有类别放在一起训练，更注重全局性。
• Phase 2：利用学习到的feature应用在行人重识别数据集上。主要是对上述训练网络的FC6特征进行输出，再进行metric learning（此处利用CVPR15年已有的方法，待阅读笔记）

[论文笔记]ICPR2016_Person Re-Identification Using CNN Features Learned from Combination of Attributes

原文：https://www.cnblogs.com/xiaoaoran/p/11109004.html