多样部件发现：基于部件感知Transformer的遮挡行人重识别
计算机视觉与模式识别
2021-06-09 v1
摘要
遮挡行人重识别（Re-ID）是一项具有挑战性的任务，因为行人经常会被各种障碍物或其他行人遮挡，尤其在拥挤场景中。为解决这些问题，我们提出一种新颖的端到端部件感知Transformer（PAT），通过Transformer编码器-解码器架构进行多样部件发现以用于遮挡行人Re-ID，包括基于像素上下文的Transformer编码器和基于部件原型的Transformer解码器。所提PAT模型具有若干优点。首先，据我们所知，这是首项在统一深度模型中利用Transformer编码器-解码器架构用于遮挡行人Re-ID的工作。其次，为仅用身份标签学好部件原型，我们设计了部件多样性与部件可判别性两种有效机制。因此，我们能以弱监督方式实现遮挡行人Re-ID的多样部件发现。在三个任务（遮挡、局部与整体Re-ID）的六个挑战性基准上的大量实验结果表明，我们所提PAT优于最先进的方法。
引用
@article{arxiv.2106.04095,
title = {Diverse Part Discovery: Occluded Person Re-identification with Part-Aware Transformer},
author = {Yulin Li and Jianfeng He and Tianzhu Zhang and Xiang Liu and Yongdong Zhang and Feng Wu},
journal= {arXiv preprint arXiv:2106.04095},
year = {2021}
}
备注
Accepted by CVPR 2021