用于跨域行人重识别的端到端域自适应注意力网络
计算机视觉与模式识别
2020-05-08 v1
摘要
行人重识别(re-ID)在真实场景中具有挑战性,因为它要求训练好的网络在跨域差异存在时泛化到完全未见过目标数据。近来,生成对抗模型被广泛采用以增强训练数据多样性。然而,这些方法常无法泛化到其他域,因为现有生成式行人重识别模型在生成组件与判别特征学习阶段间存在脱节。为应对模型泛化的持续挑战,我们提出一种端到端域自适应注意力网络,在单一框架中联合进行图像跨域翻译并学习判别性 re-id 特征。为应对域间隙挑战,我们引入一种注意力模块,用于从源域到目标域的图像翻译而不影响行人身份。更具体地,注意力指向背景而非行人整图,确保主体的识别特征被保留。所提联合学习网络在多个基准数据集上相比最先进方法取得显著性能提升。
引用
@article{arxiv.2005.03222,
title = {End-to-End Domain Adaptive Attention Network for Cross-Domain Person Re-Identification},
author = {Amena Khatun and Simon Denman and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:2005.03222},
year = {2020}
}
备注
submitted to IEEE Transactions on Information Forensics and Security