FMT：融合多任务卷积神经网络用于行人搜索
计算机视觉与模式识别
2020-03-03 v1
摘要
行人搜索是在无候选框与边界框的图像中检测所有行人并从检测出的行人中识别查询行人，不同于行人重识别。本文中，我们提出一种融合多任务卷积神经网络（FMT-CNN）以通过单一卷积神经网络处理检测与重识别的相关性与异质性。我们关注行人检测与行人重识别的相互作用如何影响整体性能。我们在区域提议网络中使用行人标签来生成用于行人重识别与行人检测网络的特征，可同时提升检测与重识别的准确率。我们还使用多重损失训练重识别网络。在 CUHK-SYSU Person Search 数据集上的实验结果表明，我们所提方法的性能在 mAP 与 top-1 上均优于最先进的方法。
引用
@article{arxiv.2003.00406,
title = {FMT:Fusing Multi-task Convolutional Neural Network for Person Search},
author = {Sulan Zhai and Shunqiang Liu and Xiao Wang and Jin Tang},
journal= {arXiv preprint arXiv:2003.00406},
year = {2020}
}
备注
Published on Multimedia Tools and Applications