注意力驱动的人员重识别
计算机视觉与模式识别
2018-10-16 v1
摘要
由于任意的人体姿态变化、背景杂乱等原因，人员重识别（ReID）是一项具有挑战性的任务。近年来已得到广泛研究，但繁多的局部与全局特征仍未被充分利用——或是忽略了全身图像与身体部位图像之间的相互作用，或是缺失对身体部位图像的深入考察。本文提出一种新颖的注意力驱动多分支网络，同时从全局全身图像和局部身体部位图像中学习鲁棒且具有判别力的人体表征。在每个分支内，设计了一种内部注意力网络以在全身或身体部位图像中搜索信息丰富且具判别力的区域，其中注意力被优雅地分解为空间注意力与通道注意力，以实现有效且高效的学习。此外，设计了一种新颖的内部间注意力模块，其自适应地融合内部注意力网络的输出，以实现最优的人员 ReID。所提技术在三个广泛使用的数据集 CUHK03、Market-1501 和 DukeMTMC-ReID 上进行了评估，实验表明其与当前最优方法相比具有更优的鲁棒性与有效性。
引用
@article{arxiv.1810.05866,
title = {Attention Driven Person Re-identification},
author = {Fan Yang and Ke Yan and Shijian Lu and Huizhu Jia and Xiaodong Xie and Wen Gao},
journal= {arXiv preprint arXiv:1810.05866},
year = {2018}
}
备注
Accepted in the Pattern Recognition (PR)