面向部件感知行人重识别的动态模板初始化

许多现有行人重识别(Re-ID)方法依赖于特征图，这些特征图或被划分以定位人体部件，或被降维以创建全局表示。尽管部件定位已取得显著成功，但其要么使用朴素的基于位置的划分，要么使用静态特征模板。然而，这些方法假设给定图像中部件或其位置预先存在，忽略了输入图像特有的信息，限制了其在部分遮挡和部分探针图像等挑战性场景中的可用性。本文引入一种基于空间注意力的动态部件模板初始化模块，利用骨干网络较早层的中层语义特征动态生成部件模板。在自注意力层之后，利用骨干网络的人体部件级特征，通过简化的交叉注意力方案提取不同人体部件的模板，随后用于从语义丰富的特征中识别并整理各人体部件的表示，提升整个模型的判别能力。我们进一步探索部件描述子的自适应加权，以量化局部属性的缺失或遮挡，并抑制相应部件描述子对匹配准则的贡献。在整体、遮挡及部分Re-ID任务基准上的大量实验表明，我们所提架构能够取得具有竞争力的性能。代码将包含在补充材料中并公开可用。