探索视觉上下文用于弱监督行人搜索
计算机视觉与模式识别
2021-09-28 v2
摘要
行人搜索近来已成为一项具有挑战性的任务，它联合解决行人检测与行人重识别。现有方法遵循完全监督设定，即边界框与身份标注均可用。然而，标注身份是劳动密集型的，限制了当前框架的实用性与可扩展性。本文创新性地考虑了仅使用边界框标注的弱监督行人搜索。我们提出通过考察无约束自然图像中三个层次的上下文线索（即检测、记忆和场景）来解决这一新任务。前两者用于提升局部与全局判别能力，而后者增强聚类精度。尽管设计简单，我们的 CGPS 在 CUHK-SYSU 上取得了 80.0% 的 mAP，将基线模型提升了 8.8%。令人惊讶的是，它甚至取得了与若干监督行人搜索模型相当的性能。我们的代码可在 https://github.com/ljpadam/CGPS 获取。
引用
@article{arxiv.2106.10506,
title = {Exploring Visual Context for Weakly Supervised Person Search},
author = {Yichao Yan and Jinpeng Li and Shengcai Liao and Jie Qin and Bingbing Ni and Xiaokang Yang and Ling Shao},
journal= {arXiv preprint arXiv:2106.10506},
year = {2021}
}