FenixEdu™

Dissertação

Deep representation for similarity matching in Person Re-Identification EVALUATED

Detalhes: A Re-Identificação de pessoas consiste na identificação e localização de uma pessoa de interesse através de um conjunto de imagens ou vídeos capturados por várias câmaras (não sobrepostas) numa rede de vigilância. Normalmente, a imagem da pessoa de interesse é comparada com uma galeria de imagens de pessoas anteriormente observadas nesse espaço de vigilância. A Re-Identificação de pessoas enfrenta vários obstáculos, dos quais se destaca, entre outros, a variabilidade de posturas, pontos de vista, oclusões e diferentes condições de iluminação na rede de câmaras. Progressos recentes em abordagens de aprendizagem profunda propuseram arquitecturas siamesas e funções de perda contrastiva que se revelaram bem sucedidas no problema de Re-Identificação. Contudo, tais abordagens ainda são lentas de treinar e têm demonstrado algumas dificuldades em alcançar a funcionalidade em tempo real. Desta forma, esta dissertação visa construir um sistema de Re-Identificação eficiente utilizando, para tal, uma rede leve, tal como a MobileNet. Este sistema de Re-Identificação será composto por uma arquitectura siamesa para extrair características da pessoa de interesse e exemplos da galeria, em combinação com uma rede correspondente que será responsável pela verificação da similaridade das entradas da rede. Este sistema será treinado com Perda Contrastiva e Perda Tripla, em quatro conjuntos de dados diferentes. Os resultados mostram que este sistema de Re-Identificação pode ser competitivo com o estado da arte em alguns conjuntos de dados, apesar de ter quatro vezes menos parâmetros.
Keywords: Re-Identificação de pessoas, MobileNet. Aprendizagem Profunda, Redes Siamesas

Discussão: dezembro 9, 2021, 17:0