基于身体部位表示的遮挡行人重识别
计算机视觉与模式识别
2024-07-26 v1
摘要
遮挡行人重识别（ReID）是一项行人检索任务，旨在将遮挡行人图像与整体图像进行匹配。针对遮挡 ReID，基于部位的方法已被证明有益，因为它们提供细粒度信息且非常适合表示部分可见的人体。然而，训练基于部位的模型是一项具有挑战性的任务，原因有二。首先，单个身体部位的外观不如全局外观具有判别性（两个不同的 ID 可能具有相同的局部外观），这意味着使用身份标签的标准 ReID 训练目标不适用于局部特征学习。其次，ReID 数据集未提供人体拓扑标注。在本工作中，我们提出 BPBreID，一种用于解决上述问题的基于身体部位的 ReID 模型。我们首先设计两个模块来预测身体部位注意力图并生成 ReID 目标的基于身体部位的特征。然后我们提出 GiLt，一种用于学习基于部位表示的新型训练方案，其对遮挡和非判别性局部外观具有鲁棒性。在流行的整体和遮挡数据集上的大量实验表明了我们所提方法的有效性，在具有挑战性的 Occluded-Duke 数据集上以 0.7% mAP 和 5.6% rank-1 准确率优于最先进的方法。我们的代码可在 https://github.com/VlSomers/bpbreid 获取。
引用
@article{arxiv.2211.03679,
title = {Body Part-Based Representation Learning for Occluded Person Re-Identification},
author = {Vladimir Somers and Christophe De Vleeschouwer and Alexandre Alahi},
journal= {arXiv preprint arXiv:2211.03679},
year = {2024}
}