AANet：用于行人重识别的属性注意力网络
计算机视觉与模式识别
2019-12-20 v1
摘要
本文提出属性注意力网络（AANet），一种将行人属性与属性注意力图整合进分类框架以解决行人重识别（re-ID）问题的新架构。许多行人重识别模型通常采用身体部位或人体姿态等语义线索来提升重识别性能。然而，属性信息常常未被利用。所提出的 AANet 利用一个使用身体部位的基线模型，并在统一学习框架中整合关键属性信息。AANet 由全局行人 ID 任务、部位检测任务和关键属性检测任务组成。通过估计各属性的类别响应并将其组合形成属性注意力图（AAM），构建出极强的判别性表示。所提出的 AANet 在 DukeMTMC-reID 数据集上以 3.36% 的 mAP 和 3.12% 的 Rank-1 准确率优于最佳现有方法 arXiv:1711.09349v3 [cs.CV]（使用 ResNet-50）；在 Market1501 数据集上，AANet 经重排序取得 92.38% mAP 与 95.10% Rank-1 准确率，以 1.42% mAP 和 0.47% Rank-1 准确率优于另一使用 ResNet-152 的现有方法 arXiv:1804.00216v1 [cs.CV]。此外，AANet 可执行行人属性预测（如性别、发长、衣长等），并定位查询图像中的属性。
引用
@article{arxiv.1912.09021,
title = {AANet: Attribute Attention Network for Person Re-Identifications},
author = {Chiat-Pin Tay and Sharmili Roy and Kim-Hui Yap},
journal= {arXiv preprint arXiv:1912.09021},
year = {2019}
}
备注
CVPR 2019