ABD-Net：注意力增强且具多样性的行人重识别网络
计算机视觉与模式识别
2019-08-12 v3
摘要
注意力机制已被证明对行人重识别（Re-ID）有效。然而，所学到的注意力特征嵌入往往并非自然多样或互不相关，这将损害基于欧氏距离的检索性能。我们主张，强制多样性能够极大补充注意力的作用。为此，我们提出一种注意力增强且具多样性网络（ABD-Net），其在整个网络中无缝集成注意力模块与多样性正则化，以学习具代表性、鲁棒且更具判别力的特征。具体而言，我们引入一对互补的注意力模块，分别聚焦于通道聚合与位置感知。此外，推导了一种新的高效正交约束形式，以在隐激活与权重上强制正交性。通过细致的消融研究，我们验证了所提出的注意力项与多样性项各自对 ABD-Net 的性能提升有所贡献。在三个流行基准上，ABD-Net 一致地优于现有最先进方法。
引用
@article{arxiv.1908.01114,
title = {ABD-Net: Attentive but Diverse Person Re-Identification},
author = {Tianlong Chen and Shaojin Ding and Jingyi Xie and Ye Yuan and Wuyang Chen and Yang Yang and Zhou Ren and Zhangyang Wang},
journal= {arXiv preprint arXiv:1908.01114},
year = {2019}
}
备注
ICCV2019