[人工智能](TIP-2019)基于判别特征学习的跨视角步态识别

基于判别特征学习的跨视角步态识别

paper题目：Cross-View Gait Recognition by Discriminative Feature Learning

paper是中国科学院大学发表在TIP 2019的工作

paper地址：链接

Abstract

最近，由于卷积神经网络（CNN）的强大能力，基于深度学习的跨视角步态识别变得流行。当前的深度学习方法通常依赖于广泛用于人脸识别任务的损失函数，例如对比损失和三元组损失。这些损失函数存在难负样本挖掘的问题。本文提出了一种稳健、有效且与步态相关的损失函数，称为角中心损失 (ACL)，用于学习判别步态特征。所提出的损失函数对不同的局部部分和时间窗口大小具有鲁棒性。与为每个身份学习一个中心的中心损失不同，所提出的损失函数为同一身份的每个角度学习多个子中心。仅惩罚锚点特征和相应的交叉视角子中心之间的最大距离，从而实现更好的类内紧凑性。还提出通过局部特征提取器和时间注意力模型来提取判别性的时空特征。提出了一种简化的空间变换器网络来定位人体合适的水平部位。提取每个水平部分的局部步态特征，然后将其连接

开发者涨薪指南

48位大咖的思考法则、工作方式、逻辑体系

开通VIP 解锁文章