面向端到端行人搜索的多样化知识蒸馏
计算机视觉与模式识别
2020-12-22 v1
摘要
行人搜索旨在从图像库中定位并识别特定行人。近期方法可分为两类，即两步法与端到端方法。前者将行人搜索视为两个独立任务，并使用分别训练的行人检测与重识别 (Re-ID) 模型取得主导性结果。后者以端到端方式执行行人搜索。尽管端到端方法具有更高的推理效率，但其在准确率上大幅落后于两步法对应方法。本文中，我们认为两类方法间的差距主要由端到端方法的 Re-ID 子网络造成。为此，我们提出了一种简单而强大的带有多样化知识蒸馏的端到端网络以突破瓶颈。我们还设计了一种空间不变增强，以辅助模型对不准确的检测结果保持不变性。在 CUHK-SYSU 与 PRW 数据集上的实验结果证明了我们的方法相对于现有方法的优越性——它取得了与最先进两步法相当的准确率，同时因单一联合模型而保持高效率。代码见：https://git.io/DKD-PersonSearch。
引用
@article{arxiv.2012.11187,
title = {Diverse Knowledge Distillation for End-to-End Person Search},
author = {Xinyu Zhang and Xinlong Wang and Jia-Wang Bian and Chunhua Shen and Mingyu You},
journal= {arXiv preprint arXiv:2012.11187},
year = {2020}
}
备注
Accepted to AAAI, 2021. Code is available at: https://git.io/DKD-PersonSearch