面向遮挡行人重识别的注意力扰动与双路径约束网络
计算机视觉与模式识别
2024-02-23 v2
摘要
遮挡行人重识别（Re-ID）旨在解决从不同相机视角匹配遮挡或整体行人时的潜在遮挡问题。许多方法将背景作为人工遮挡并依赖注意力网络排除噪声干扰。然而，简单背景遮挡与现实遮挡之间的显著差异会对网络的泛化能力产生负面影响。为此，我们提出一种新颖的基于transformer的注意力扰动与双路径约束网络（ADP）以增强注意力网络的泛化性。首先，为模拟真实世界障碍物，我们引入注意力扰动掩码（ADM）模块，其生成一种具有攻击性的噪声，可像真实遮挡物一样分散注意力，作为更复杂的遮挡形式。其次，为充分利用这些复杂遮挡图像，我们开发了双路径约束模块（DPC），可通过双路径交互从整体图像中获取较优的监督信息。借助所提方法，网络可利用基础ViT基线有效规避多种遮挡。在行人重识别基准上的综合实验评估证明了ADP相对于最先进方法的优越性。
引用
@article{arxiv.2303.10976,
title = {Attention Disturbance and Dual-Path Constraint Network for Occluded Person Re-identification},
author = {Jiaer Xia and Lei Tan and Pingyang Dai and Mingbo Zhao and Yongjian Wu and Liujuan Cao},
journal= {arXiv preprint arXiv:2303.10976},
year = {2024}
}
备注
AAAI2024