CGUA：上下文引导与未配对辅助的弱监督行人搜索
计算机视觉与模式识别
2022-03-29 v1 人工智能
摘要
近来，弱监督行人搜索被提出以摒弃人工标注的身份，仅使用边界框标注训练模型。解决该问题的自然方法是将之拆分为检测与无监督重识别（Re-ID）步骤。然而，这种方式忽略了无约束场景图像中的两个重要线索。一方面，现有无监督 Re-ID 模型仅利用从场景图像中裁剪出的图像，而忽略其丰富的上下文信息。另一方面，真实世界场景图像中存在大量未配对行人。直接将他们当作独立身份处理会导致长尾效应，而完全丢弃则会造成严重的信息损失。鉴于这些挑战，我们引入了上下文引导与未配对辅助（CGUA）的弱监督行人搜索框架。具体而言，我们提出一种新颖的上下文引导聚类（CGC）算法以在聚类过程中利用上下文信息，以及一个未配对辅助记忆（UAM）单元通过推远未配对与已配对行人来区分二者。大量实验表明，所提方法大幅超越最先进的弱监督方法（在 CUHK-SYSU 上 mAP 提升超过 5%）。此外，我们的方法通过利用更多样的无标注数据，取得了与最先进监督方法相当或更优的性能。代码与模型将很快发布。
引用
@article{arxiv.2203.14307,
title = {CGUA: Context-Guided and Unpaired-Assisted Weakly Supervised Person Search},
author = {Chengyou Jia and Minnan Luo and Caixia Yan and Xiaojun Chang and Qinghua Zheng},
journal= {arXiv preprint arXiv:2203.14307},
year = {2022}
}