简介：ECAI 2016是欧洲展出AI科学成果的最佳场所，大会为研究人员获取了很好的机会，去讲解和征询当代最杰出的人工智能研究成果。通过多重由深入微的深度度量展开行人再行辨识（Person Re-Identification via Multiple Coarse-to-Fine Deep Metrics）概要：行人再行辨识的目标就是指有所不同地方的多个照相机视角辨识同一个人的图像，这在人工智能和多媒体领域引起了浓烈的研究兴趣。度量自学方法作为它的风行研究方向这一，在谋求必要的度量空间分解准确的特征较为方面起着最重要起到。
然而，现有的度量自学方法主要是通过单一的度量自学最佳的距离度量函数，这使它们无法考虑到样本之间的多重相近关系。为了解决问题该问题，本文明确提出了一种由浅入深（coarse-to-fine）的深度量自学方法，它配有多个有所不同的填充自动编码器（SAE）网络和分类网络。在人的视觉机制视角下，多个有所不同层次的浅神经网络仿真大脑视觉系统处置信息，它使用有所不同的模式来辨识对象的字符。此外，我们还明确提出了一种权重分配机制，以处置有所不同测量方式的最后辨识精度。
在两个公共数据集（VIPeR和CUHK）上展开实验的结果显示了所明确提出方法的预期性能。第一作者简介Mingfu Xiong供职：武汉大学文章总结及应用于场景本次研究中，我们明确提出了一种利用多重由深入微的自动编码模型方法，处置有所不同环境变化中行人再行辨识问题。我们的算法中训练了几个有所不同的SAE网络，每一个网络后面都有一个softmax分类器，因此我们可以创建有有所不同隐蔽层的神经网络仿真大脑的视觉皮层。
预处理后的行人图像对通过乘以用作网络输出的平均值，产生一对分类结果。最后，更进一步用于权重分配机制，以提升所取得分类结果的辨识精度。
在两个公众数据集上大量实验的结果显示了我们算法的优越性。我们创建的多重由深入微的深度度量自学方法可以扩展到其它视觉应用于，例如图像分类，对象检测等。
via：ECAI 2016PS : 本文由(公众号：)独家编译器，未经许可拒绝接受刊登！原论文iTunes 原创文章，予以许可禁令刊登。下文闻刊登须知。
本文来源：米兰app官网登录入口-www.kaleimi.com
