基于增量零空间Foley-Sammon变换的行人重识别
Journal of Optoelectronics·Laser（2018）
摘要
提出了一种基于增量零空间Foley-Sammon变换(FST)的行人重识别方法,能在有效地获取到新数据时对之前的重识别模型进行快速更新.首先对零空间FST中的类内散度矩阵和总体散度矩阵进行增量学习,利用新加入的数据分别对两个矩阵进行更新,不需要在整个新旧数据上重新计算;得到更新后的类内散度矩阵和总体散度矩阵后,通过对其进行正交分解最终得到零空间投影矩阵.在VIPeR和PRID_2011两个数据集上实验的结果表明,本文方法通过增量学习获得模型的重识别准确率和采用批量重训练方法相当;并且本文方法可适用于动态场景下的实时自适应增量更新.本文针对行人重识别任务提出的增量学习方式,在增量学习过程中不需要对原始数据重复计算,模型更新速度快,且精度随数据增加而稳定增长.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要