用于上下文感知特征序列行人重识别的双注意力匹配网络
计算机视觉与模式识别
2018-03-28 v1
摘要
典型的行人重识别（ReID）方法通常用单个特征向量描述每个行人，并在特定任务的度量空间中对其进行匹配。然而，基于单个特征向量的方法不足以克服在实际场景中频繁出现的视觉模糊性。在本文中，我们提出了一种新颖的端到端可训练框架，称为双注意力匹配网络（DuATM），以学习上下文感知特征序列并同时执行注意力序列比较。我们 DuATM 框架的核心组件是双注意力机制，其中序列内和序列间注意力策略分别用于特征细化和特征对对齐。因此，中间特征序列中包含的详细视觉线索可以被自动利用并进行适当比较。我们通过辅以去相关损失和交叉熵损失的三元组损失，将所提出的 DuATM 网络训练为孪生网络。我们在基于图像和视频的 ReID 基准数据集上进行了大量实验。实验结果证明了我们的方法与 SOTA 方法相比具有显著优势。
引用
@article{arxiv.1803.09937,
title = {Dual Attention Matching Network for Context-Aware Feature Sequence based Person Re-Identification},
author = {Jianlou Si and Honggang Zhang and Chun-Guang Li and Jason Kuen and Xiangfei Kong and Alex C. Kot and Gang Wang},
journal= {arXiv preprint arXiv:1803.09937},
year = {2018}
}
备注
10 pages, 8 figures, 7 tables, accepted by CVPR 2018