论文阅读笔记:GANs for View-Specific Feature Learning in Gait Recognition

- 1 分钟前

Abstract

步态识别中现存问题

本文提出了一种 多任务生成对抗网络,用于学习特定试图下的特征表示,利用对抗训练从步态序列中提取更多判别特征。同时提出了周期能量图像(Period Energy Image)。

实验数据集:OU-ISIR, CASIA-B, USF

1. Introduction

gan-gait-recognition

  1. PEI:经过卷积神经网络提取特征;
  2. 视角分类器:交叉熵损失训练视角分类器,判断输入序列属于哪个视角;
  3. View-Transform Layer: 从一个视图转换到另一个视图;
  4. 对改进的GANs结构进行像素级损失和多任务对抗性损失训练。

3. Method

3.1 Method Overview

给出 $x^p$ 表示 p 角度下的 probe 图像,${x_1^g, x_2^g, x_3^g, …, x_n^g}$ 表示 g 角度下的 n 个 gallery 图像,目标是识别出 $x^p$ 的身份信息。

mathod-gait-gan

3.2 Period Energy Image

3.3 Multi-task Generative Adversarial Network

3.4 Objective Function

4. Experiments

4.1 Setup

4.2 Effect of PEI

4.3 Effect of MGANs

4.4 Evaluation of comparison

4.5 Gait Generation

4.6 Feature visualization

5. Conclusion and Discussion

Inger Chao(赵琦)

Inger Chao(赵琦)

CS 研二在读

Inger Notes © 2020
rss facebook twitter github gitlab youtube mail spotify lastfm instagram linkedin google google-plus pinterest medium vimeo stackoverflow reddit quora qq quora wechat