Black Re-ID：面向行人重识别难题的肩颈描述子
计算机视觉与模式识别
2020-08-20 v1 机器学习
图像与视频处理
摘要
行人重识别（Re-ID）旨在从多相机捕获的图像集中检索输入的行人图像。尽管近期Re-ID方法已取得巨大成功，其中大多数依据衣物属性（如颜色、纹理）提取特征。然而，人们穿着黑色衣物或在低光照下被监控系统捕获是常见情况，此时衣物属性严重缺失。我们称此问题为Black Re-ID问题。为解决该问题，我们提出利用肩颈特征辅助行人Re-ID，而非依赖衣物信息。提出肩颈自适应注意力网络（HAA）以学习肩颈特征，并设计一种创新集成方法以增强模型的泛化能力。给定输入行人图像，若图像中个体身着黑色衣物，该集成方法将通过分配更大权重聚焦于肩颈特征。由于缺乏适用于研究Black Re-ID问题的基准数据集，我们还贡献了首个Black-reID数据集，其训练集包含1274个身份。在Black-reID、Market1501与DukeMTMC-reID数据集上的大量评估表明，我们的模型在Black与常规Re-ID问题上均相较最先进Re-ID方法取得最佳结果。此外，我们的方法也被证明在处理相似衣物下的行人Re-ID时有效。我们的代码与数据集可在 https://github.com/xbq1994/ 获取。
引用
@article{arxiv.2008.08528,
title = {Black Re-ID: A Head-shoulder Descriptor for the Challenging Problem of Person Re-Identification},
author = {Boqiang Xu and Lingxiao He and Xingyu Liao and Wu Liu and Zhenan Sun and Tao Mei},
journal= {arXiv preprint arXiv:2008.08528},
year = {2020}
}