用于行人重识别的注意力感知组合网络
计算机视觉与模式识别
2018-05-17 v2
摘要
行人重识别（ReID）旨在基于视觉外观识别不同摄像机视角下观测到的行人。由于较大的姿态变化、复杂的背景杂波和严重的遮挡，这是一项具有挑战性的任务。近来，通过预测关节位置的人体姿态估计在精度上大幅提升。利用姿态估计结果处理姿态变化与背景杂波是合理的，此类尝试已使 ReID 性能获得巨大改进。然而，我们认为姿态信息并未被充分利用，尚未被完全挖掘用于行人 ReID。本工作中，我们提出一种称为注意力感知组合网络（AACN）的新框架用于行人 ReID。AACN 由两个主要组件构成：姿态引导部件注意力（PPA）与注意力感知特征组合（AFC）。PPA 被学习并应用于掩蔽行人特征图中不期望的背景特征。此外，在提出的 AFC 模块中为身体部件估计姿态引导可见性分数以处理部件遮挡。带有消融分析的大量实验显示了我们方法的有效性，并在多个公开数据集上取得最先进结果，包括 Market-1501、CUHK03、CUHK01、SenseReID、CUHK03-NP 和 DukeMTMC-reID。
引用
@article{arxiv.1805.03344,
title = {Attention-Aware Compositional Network for Person Re-identification},
author = {Jing Xu and Rui Zhao and Feng Zhu and Huaming Wang and Wanli Ouyang},
journal= {arXiv preprint arXiv:1805.03344},
year = {2018}
}
备注
Accepted at CVPR2018