面向基于视频的人员重识别的集中式多粒度多注意力网络
计算机视觉与模式识别
2020-09-29 v1
摘要
遮挡仍是基于视频的人员重识别（Re-ID）任务中的严峻问题，对成功率影响很大。大量现有方法已证明注意力机制有助于解决遮挡问题。然而，它们所采用的注意力机制仍缺乏从视频中提取充分判别信息至最终表示的能力。现有方法采用的单注意力模块方案无法利用多尺度空间线索，且单模块的注意力会被人物的多个显著部位分散。本文提出集中式多粒度多注意力网络（CMMANet），其中设计两个多注意力模块，通过处理多尺度中间特征来提取多粒度信息。此外，每个多注意力模块中的多个注意力子模块可自动发现视频帧的多个判别区域。为实现该目标，我们引入多样性损失以使各多注意力模块中的子模块多样化，并引入集中损失以整合它们的注意力响应，从而使每个子模块能强烈聚焦于某一特定有意义部位。实验结果表明，所提方法在多个公开数据集上大幅优于 SOTA 方法。
引用
@article{arxiv.2009.13019,
title = {Concentrated Multi-Grained Multi-Attention Network for Video Based Person Re-Identification},
author = {Panwen Hu and Jiazhen Liu and Rui Huang},
journal= {arXiv preprint arXiv:2009.13019},
year = {2020}
}