近日，实验室关于视频行人重识别的工作“基于时序多尺度互补特征的视频行人重识别”被计算机学报接收。计算机学报是计算机领域的CCF-A类中文科技期刊。论文的信息概要介绍如下：
Temporal multi-scale complementary feature for video person re-identification (Ruibing Hou, Hong Chang, Bingpeng Ma, Rui Huang, Shiguang Shan)
对于视频行人重识别任务，大多数现有方法以相同的分辨率和网络结构处理每一帧图像，造成连续帧特征的高度相似。此外，现有方法通常通过引入各种复杂的操作提高精度，过多的计算开销使其不利于真实场景的部署。针对上述问题，本文提出了一个时序多尺度互补网络，旨在高效地为视频的连续帧提取互补的特征。具体来说，时序多尺度互补网络包含多个具有不同输入分辨率的分支。其中，高分辨率分支处理原始分辨率帧，用于保留行人的细节线索；低分辨率分支处理以不同降采样率得到的低分辨率帧，用于捕捉更全局的行人信息。通过将连续帧输入到不同分支中，连续帧能关注不同粒度的空间区域，生成互补的特征。此外，通过降低输入帧的分辨率和使用更小的网络处理低分辨率帧，本文方法大幅度降低了计算开销，仅需要大多数现有方法约35%的计算开销。
图1：时序多尺度互补网络（Temporal Multi-Scale Complementary Network, TMSCN）结构
附件：