可通用度量网络

该网络首次在样本对空间中学习度量，并提出度量网络、基于Dropout的扰动模块和成对身份中心损失三种机制，显著提升跨域人员重识别性能。

Qi, Lei · Liu, Ziang · 史颖欢 · 耿新

IEEE Transactions on Circuits and Systems for Video Technology 2024

技术优势

换个空间学相似度

在样本对空间度量相似度，训练与测试的数据分布差距比样本实例空间更小。

训练时不会过拟合

在度量网络训练中引入Dropout扰动，丰富样本对多样性，增强泛化能力。

应用场景

• 视频监控：跨摄像头追踪嫌疑人，无需针对新场景重新训练
• 行人检索：直接提高跨域检索准确率，减少标注成本
• 智能安防：在不同监控环境下保持身份匹配性能
• 机器人视觉：让机器人识别跨场景行人，无需每处重新训练
• 跨场景身份识别：跨数据集、跨摄像头仍能稳定识别同一人