近日，由我院高贊教授撰寫的論文“Identity-Guided Collaborative Learning for Cloth-Changing Person Reidentification-IGCL”被人工智能、模式識(shí)別、計(jì)算機(jī)視覺及機(jī)器學(xué)習(xí)領(lǐng)域公認(rèn)的頂級(jí)國(guó)際學(xué)術(shù)期刊《IEEE Transactions on Pattern Analysis and Machine Intelligenc-e》（IEEE TPAMI）錄用發(fā)表。IEEE TPAMI在中國(guó)計(jì)算機(jī)學(xué)會(huì)認(rèn)定的人工智能領(lǐng)域四個(gè)A類期刊中排名第一，是計(jì)算機(jī)視覺及模式識(shí)別領(lǐng)域最頂尖的期刊，五年平均影響因子26.7。根據(jù)當(dāng)前流行的Google Scholar Citation統(tǒng)計(jì)，IEEE TPAMI在所有計(jì)算機(jī)工程、電子工程及人工智能相關(guān)期刊榜單上以165分的h5-index排在第1位，主要收錄人工智能、模式識(shí)別、計(jì)算機(jī)視覺及機(jī)器學(xué)習(xí)領(lǐng)域的原創(chuàng)性科研成果，每年錄用量?jī)H200篇左右，是人工智能、模式識(shí)別、計(jì)算機(jī)視覺及機(jī)器學(xué)習(xí)領(lǐng)域最重要的學(xué)術(shù)期刊之一。
該研究針對(duì)行人重識(shí)別中的換衣場(chǎng)景，挖掘行人的類內(nèi)和類間變化的復(fù)雜關(guān)系，提取不易受外觀變化影響的行人表征問題展開了深入研究，提出了一種新的身份引導(dǎo)聯(lián)合學(xué)習(xí)方案IGCL。該方案通過服裝注意力退化流、人體語義注意力和人體拼圖流以及行人身份增強(qiáng)流在一個(gè)端到端的統(tǒng)一框架中進(jìn)行聯(lián)合探索學(xué)習(xí)，有效地學(xué)習(xí)到對(duì)衣服變化具有不變性的行人身份鑒別特征。大量的實(shí)驗(yàn)結(jié)果表明了所提出的IGCL方案的優(yōu)越性，所提取的特征具有更強(qiáng)的表征和判別能力，且與服裝等干擾信息的相關(guān)性較弱。
