基于注意力感知多操作策略的域泛化行人重识别
计算机视觉与模式识别
2022-10-20 v1
摘要
域泛化行人重识别（DG Re-ID）旨在将在源域上训练的模型直接部署到未见目标域并具备良好泛化能力，这是一个具有现实部署价值且富有挑战性的问题。在现有 DG Re-ID 方法中，不变操作能有效提取域泛化特征，且常使用实例归一化（IN）或批归一化（BN）来缓解对未见域的偏置。由于域特定信息被用于捕捉单个源域的可判别性，其对未见域的泛化能力不尽如人意。为解决该问题，本文提出一种用于 DG Re-ID 的注意力感知多操作策略（AMS）以提取更具泛化性的特征。我们研究不变操作，并基于 IN 与组白化（GW）构建多操作模块以提取域不变特征表示。此外，我们分析不同的域不变特性，并将空间注意力应用于 IN 操作、通道注意力应用于 GW 操作以增强域不变特征。所提 AMS 模块可作为即插即用模块嵌入现有网络架构。大量实验结果表明，AMS 能有效增强模型对未见域的泛化能力，并在三个协议、十个数据集上的 DG Re-ID 中显著提升识别性能。
引用
@article{arxiv.2210.10409,
title = {Domain generalization Person Re-identification on Attention-aware multi-operation strategery},
author = {Yingchun Guo and Huan He and Ye Zhu and Yang Yu},
journal= {arXiv preprint arXiv:2210.10409},
year = {2022}
}