CDPM：用于语义对齐行人重识别的卷积可变形部件模型
计算机视觉与模式识别
2019-12-16 v2
摘要
部件级表征对于鲁棒的行人重识别至关重要。然而，行人检测中常见的错误常导致身体部件严重错位，从而降低部件表征的质量。为此，我们提出一种名为卷积可变形部件模型（CDPM）的新模型以应对该问题。CDPM 将复杂的部件对齐过程解耦为两个更简单的步骤：首先，垂直对齐步骤借助多任务学习模型在垂直方向上检测每个身体部件；其次，基于注意力的水平细化步骤抑制每个被检测身体部件周围的背景信息。由于这两步正交且顺序执行，部件对齐的难度显著降低。在测试阶段，CDPM 能够在无需任何外部信息的情况下准确对齐灵活的 body 部件。大量实验结果证明了所提 CDPM 在部件对齐上的有效性。尤为突出的是，CDPM 在三个大规模数据集 Market-1501、DukeMTMC-ReID 和 CUHK03 上取得了最先进的性能。
引用
@article{arxiv.1906.04976,
title = {CDPM: Convolutional Deformable Part Models for Semantically Aligned Person Re-identification},
author = {Kan Wang and Changxing Ding and Stephen J. Maybank and Dacheng Tao},
journal= {arXiv preprint arXiv:1906.04976},
year = {2019}
}
备注
13 pages, 13 figures, To appear in IEEE Transactions on Image Processing