[深度学习论文笔记][总结]Invariant gait feature extraction based on image transformation

近期有两篇来自于同一第一作者单位的工作，使用基于神经网络的图像变换模型来处理不同视角、不同衣着或手持物的CEI特征到统一的90°正常特征(SPAE与GaitGAN)。在这里加以简单总结与对比。

[Neurocomputing 17] Invariant feature extraction for gait recognition using only one uniform model

Shiqi Yu, Haifeng Chen, Qing Wang, Linlin Shen, Yongzhen Huang

from Shenzhen University and CAS-IA

paper link

这篇文章使用自动编码器(Auto-encoder)来去除来自于CL（大衣）和BG（手持包）的CEI中的影像识别的因素，之后将不同视角的CEI特征转换到统一的视角(side view = 90°)。

直接进行转换会使得任务变得很困难。本文采用了divide-and-conquer思想将变换过程进行拆分，分布训练编码器，再进行叠加。

作者设计的编码器首先处理CL和BG特征到正常的NM CEI。其中CL到NM的变换通过1层网络即完成变换，而BG到NM需要通过2层网络的变换。