用于遮挡行人重识别的特征补全
计算机视觉与模式识别
2021-06-25 v1
摘要
行人重识别(reID)在计算机视觉中起着重要作用。然而，现有方法在遮挡场景中性能下降。本工作中，我们提出一种遮挡鲁棒模块，区域特征补全(RFC)，用于遮挡reID。与大多数丢弃遮挡区域的先前工作不同，RFC模块可在特征空间中恢复遮挡区域的语义。首先，开发了空间RFC (SRFC)模块。SRFC利用来自非遮挡区域的远距离空间上下文来预测遮挡区域的特征。逐单元预测任务导致了一种编码器/解码器架构，其中区域编码器建模非遮挡与遮挡区域间的相关性，区域解码器利用空间相关性来恢复遮挡区域特征。其次，我们引入时间RFC (TRFC)模块，其捕获长期时间上下文以精炼SRFC的预测。RFC模块轻量、端到端可训练，并可轻松插入现有CNN以构成RFCnet。在遮挡及常规整体reID基准上进行了充分实验。我们的方法在遮挡数据集上显著优于现有方法，同时在整体数据集上保持顶尖甚至更优性能。源代码见https://github.com/blue-blue272/OccludedReID-RFCnet。
引用
@article{arxiv.2106.12733,
title = {Feature Completion for Occluded Person Re-Identification},
author = {Ruibing Hou and Bingpeng Ma and Hong Chang and Xinqian Gu and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:2106.12733},
year = {2021}
}
备注
18 pages, 17 figures. The paper is accepted by TPAMI, and the code is available at https://github.com/blue-blue272/OccludedReID-RFCnet