FPB：面向行人重识别的特征金字塔分支
计算机视觉与模式识别
2021-08-05 v1
摘要
高性能的行人重识别（Re-ID）要求模型同时关注行人的全局轮廓和局部细节。提取此类更具代表性特征的一种有效方法是利用具有多分支的深度模型。然而，大多数基于多分支的方法通过复制部分骨干网络结构来实现，通常会导致计算成本急剧增加。在本文中，我们提出了一种轻量级的特征金字塔分支（FPB），从网络的不同层提取特征，并以双向金字塔结构进行聚合。在注意力模块和我们提出的交叉正交正则化的配合下，FPB 仅引入少于 1.5M 的额外参数就显著提升了骨干网络的性能。在标准基准数据集上的大量实验结果表明，我们提出的基于 FPB 的模型以明显优势超越最先进的方法，且模型复杂度大幅降低。FPB 从主流的目标检测方法中借鉴了特征金字塔网络（FPN）的思想。据我们所知，这是类似结构在行人重识别任务中的首次成功应用，经验性地证明了金字塔网络作为附属分支可能是相关特征嵌入模型中的潜在结构。源代码公开于 https://github.com/anocodetest1/FPB.git。
引用
@article{arxiv.2108.01901,
title = {FPB: Feature Pyramid Branch for Person Re-Identification},
author = {Suofei Zhang and Zirui Yin and Xiofu Wu and Kun Wang and Quan Zhou and Bin Kang},
journal= {arXiv preprint arXiv:2108.01901},
year = {2021}
}