一种用于行人重识别的端到端前景感知网络
计算机视觉与模式识别
2021-03-09 v2
摘要
行人重识别是一项在多个监控摄像头视角下识别感兴趣行人的关键任务。在行人重识别中，行人通常由从矩形图像区域提取的特征表示，该区域不可避免地包含场景背景，这给区分不同行人带来歧义并降低准确率。为此，我们提出一种端到端前景感知网络，通过学习软掩码来为行人重识别区分前景与背景。在我们的方法中，除将行人 ID 作为前景监督外，我们引入每张行人图像的摄像头 ID 用于背景建模。前景分支与背景分支被协同优化。通过提出目标注意力损失，从前景分支提取的行人特征对背景变得不敏感，极大减少了不同摄像头视角下背景变化对匹配同一行人的负面影响。值得注意的是，与现有方法不同，我们的方法不需要任何额外数据集来训练人体关键点检测器或分割模型以定位背景区域。在三个具有挑战性的数据集（即 Market-1501、DukeMTMC-reID 和 MSMT17）上的实验结果证明了我们方法的有效性。
引用
@article{arxiv.1910.11547,
title = {An End-to-End Foreground-Aware Network for Person Re-Identification},
author = {Yiheng Liu and Wengang Zhou and Jianzhuang Liu and Guojun Qi and Qi Tian and Houqiang Li},
journal= {arXiv preprint arXiv:1910.11547},
year = {2021}
}
备注
Accepted to IEEE Transactions on Image Processing (TIP), 2021