超越人体部件：面向行人重识别的双重部件对齐表征
计算机视觉与模式识别
2019-10-23 v1
摘要
由于各种复杂因素，行人重识别是一项具有挑战性的任务。近期研究尝试融合人体解析结果或外部定义的属性，以帮助捕获人体部件或重要物体区域。另一方面，仍存在许多有用的上下文线索不属于预定义人体部件或属性的范畴。本文通过同时利用精确的人体部件与粗糙的非人体部件，来解决被遗漏的上下文线索问题。在我们的实现中，我们应用人体解析模型提取二值人体部件掩码，并采用自注意力机制捕获软潜在（非人体）部件掩码。我们在三个具有挑战性的基准 Market-1501、DukeMTMC-reID 和 CUHK03 上以新的最优性能验证了方法的有效性。我们的实现见 https://github.com/ggjy/P2Net.pytorch。
引用
@article{arxiv.1910.10111,
title = {Beyond Human Parts: Dual Part-Aligned Representations for Person Re-Identification},
author = {Jianyuan Guo and Yuhui Yuan and Lang Huang and Chao Zhang and Jinge Yao and Kai Han},
journal= {arXiv preprint arXiv:1910.10111},
year = {2019}
}
备注
Accepted in ICCV 2019