CA3Net：用于行人重识别的上下文-注意力属性-表观网络
计算机视觉与模式识别
2018-11-20 v1
摘要
行人重识别旨在跨非重叠摄像机视角识别同一行人。深度学习技术近来已应用于行人重识别，以学习行人表观的表征。本文提出一种新颖的上下文-注意力属性-表观网络（CA3Net）用于行人重识别。CA3Net 同时利用语义属性与视觉表观的互补性、属性间的语义上下文、对属性的视觉注意力以及身体部位间的空间依赖，从而得到判别性强且鲁棒的行人表征。具体而言，CA3Net 内的属性网络以注意力-LSTM 模块设计，其将网络集中于与各属性相关的潜在图像区域，并通过 LSTM 模块利用属性间的语义上下文。表观网络被开发用于从行人的全身、水平和垂直身体部位学习表观特征，并建模部位间空间依赖。CA3Net 以多任务学习方式联合学习属性与表观特征，生成行人的综合表征。在两个具挑战性的基准（即 Market-1501 和 DukeMTMC-reID 数据集）上的大量实验证明了所提方法的有效性。
引用
@article{arxiv.1811.07544,
title = {CA3Net: Contextual-Attentional Attribute-Appearance Network for Person Re-Identification},
author = {Jiawei Liu and Zheng-Jun Zha and Hongtao Xie and Zhiwei Xiong and Yongdong Zhang},
journal= {arXiv preprint arXiv:1811.07544},
year = {2018}
}