高效行人搜索：一种无锚框方法
计算机视觉与模式识别
2021-09-02 v1
摘要
行人搜索旨在从真实、未裁剪的图像中同时定位并识别查询行人。为实现该目标，最先进的模型通常在 Faster R-CNN 等两阶段检测器上添加重识别分支。得益于 ROI-Align 操作，该流程取得了令人满意的精度，因为重识别特征与相应目标区域显式对齐，但与此同时，由于密集目标锚框，它引入了较高的计算开销。在这项工作中，我们提出一种无锚框方法以高效应对这一挑战性任务，并引入如下专门设计。首先，我们选用一种无锚框检测器（即 FCOS）作为框架原型。由于缺乏密集目标锚框，它与现有行人搜索模型相比表现出显著更高的效率。其次，当直接将该无锚框检测器用于行人搜索时，在学习鲁棒重识别特征方面存在若干主要挑战，我们将其总结为不同层级（即尺度、区域和任务）的对齐问题。为解决这些问题，我们提出一个对齐特征聚合模块以生成更具区分性和鲁棒性的特征嵌入。相应地，我们将模型命名为特征对齐行人搜索网络（AlignPS）。第三，通过考察基于锚框与无锚框模型的优势，我们进一步用 ROI-Align 头增强 AlignPS，在保持模型高效的同时显著提升了重识别特征的鲁棒性。在两个挑战性基准（即 CUHK-SYSU 和 PRW）上的大量实验表明，我们的框架取得了最先进的或有竞争力的性能，同时展现出更高的效率。所有源代码、数据和训练模型可在：https://github.com/daodaofr/alignps 获取。
引用
@article{arxiv.2109.00211,
title = {Efficient Person Search: An Anchor-Free Approach},
author = {Yichao Yan and Jinpeng Li and Jie Qin and Shengcai Liao and Xiaokang Yang},
journal= {arXiv preprint arXiv:2109.00211},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2103.11617