密集语义对齐的人员重识别
计算机视觉与模式识别
2019-04-11 v2
摘要
我们提出一个密集语义对齐的人员重识别框架。它从根本上解决了由姿态/视角变化、不完美人员检测、遮挡等引起的身体未对齐问题。通过利用人员图像密集语义的估计，我们构建了一组密集语义对齐的部分图像（DSAP-images），其中相同空间位置在不同图像间具有相同的语义。我们设计了一个双流网络，由主全图像流（MF-Stream）和密集语义对齐引导流（DSAG-Stream）组成。以 DSAP-images 为输入的 DSAG-Stream 充当调节器，引导 MF-Stream 从原始图像中学习密集语义对齐的特征。在推理时，丢弃 DSAG-Stream 而仅需 MF-Stream，使推理系统计算高效且鲁棒。据我们所知，我们首个利用细粒度语义解决重识别的对齐问题。我们的方法在 CUHK03 数据集上取得 78.9% 的 rank-1 准确率（新协议），在 CUHK01 数据集上取得 90.4%，在 Market1501 数据集上取得 95.7%，优于最先进的方法。
引用
@article{arxiv.1812.08967,
title = {Densely Semantically Aligned Person Re-Identification},
author = {Zhizheng Zhang and Cuiling Lan and Wenjun Zeng and Zhibo Chen},
journal= {arXiv preprint arXiv:1812.08967},
year = {2019}
}
备注
IEEE Conference on Computer Vision and Pattern Recognition (CVPR2019)