面向跨分辨率行人重识别的深度高分辨率表征学习
计算机视觉与模式识别
2021-11-10 v1
摘要
行人重识别（re-ID）旨在匹配来自不同摄像机的具有相同身份的行人图像。在实际应用中，由于摄像机性能差异以及摄像机与感兴趣行人之间距离的不同，所捕获的行人图像通常具有多种分辨率。我们将此问题命名为跨分辨率行人重识别，其给正确匹配带来了巨大挑战。本文中，我们提出一种深度高分辨率伪孪生框架（PS-HRNet）以解决上述问题。具体而言，为了恢复低分辨率图像的分辨率并合理利用特征图的不同通道信息，我们引入并对 VDSR 模块加以创新，结合通道注意力（CA）机制，称为 VDSR-CA。随后我们通过设计一种新颖的表征头（命名为 HRNet-ReID）来重构 HRNet 以提取判别性特征。此外，构建伪孪生框架以减小低分辨率图像与高分辨率图像之间特征分布的差异。在五个跨分辨率行人数据集上的实验结果验证了我们所提方法的有效性。与当前最优（SOTA）方法相比，我们所提 PS-HRNet 在 MLR-Market-1501、MLR-CUHK03、MLR-VIPeR、MLR-DukeMTMC-reID 和 CAVIAR 数据集上于 Rank-1 分别提升了 3.4%、6.2%、2.5%、1.1% 和 4.2%。我们的代码见 \url{https://github.com/zhguoqing}。
引用
@article{arxiv.2105.11722,
title = {Deep High-Resolution Representation Learning for Cross-Resolution Person Re-identification},
author = {Guoqing Zhang and Yu Ge and Zhicheng Dong and Hao Wang and Yuhui Zheng and Shengyong Chen},
journal= {arXiv preprint arXiv:2105.11722},
year = {2021}
}
备注
12 pages