AaP-ReID：改进的注意力感知行人重识别
计算机视觉与模式识别
2023-09-28 v1
摘要
行人重识别(ReID)是计算机视觉领域中一个众所周知的问题。其主要目标是在图像库中识别特定个体。然而，由于姿态变化、光照改变、遮挡以及存在混淆背景等多种因素，该任务具有挑战性。现有 ReID 方法往往无法捕获判别性特征（如头部、鞋子、背包），而在目标被遮挡时反而捕获无关特征。受基于部件与基于注意力的 ReID 方法成功的启发，我们改进 AlignedReID++ 并提出 AaP-ReID，一种更有效的行人 ReID 方法，将通道注意力融入基于 ResNet 的架构中。我们的方法引入了通道注意力瓶颈(CWAbottleneck)块，能够通过动态调整特征图中各通道的重要性来学习判别性特征。我们在三个基准数据集 Market-1501、DukeMTMC-reID 和 CUHK03 上评估了 Aap-ReID。与当前最优的行人 ReID 方法相比，我们取得了具有竞争力的结果：在 Market-1501 上 rank-1 准确率为 95.6%，在 DukeMTMC-reID 上为 90.6%，在 CUHK03 上为 82.4%。
引用
@article{arxiv.2309.15780,
title = {AaP-ReID: Improved Attention-Aware Person Re-identification},
author = {Vipin Gautam and Shitala Prasad and Sharad Sinha},
journal= {arXiv preprint arXiv:2309.15780},
year = {2023}
}