FTN：前景引导的纹理聚焦行人重识别
计算机视觉与模式识别
2020-09-25 v1
摘要
行人重识别（Re-ID）是一项具有挑战性的任务，因为行人往往处于不同背景中。近期大多数 Re-ID 方法在行人判别性学习中对前景与背景信息同等对待，但当不同行人处于相似背景或同一行人处于不同背景时，容易引发潜在的误报问题。本文提出一种用于 Re-ID 的前景引导纹理聚焦网络（FTN），能够以端到端方式削弱无关背景的表示并突出行人相关属性。FTN 由用于 Re-ID 任务的语义编码器（S-Enc）与紧凑前景注意力模块（CFA），以及用于重建任务的纹理聚焦解码器（TF-Dec）组成。特别地，我们为 TF-Dec 构建了前景引导的半监督学习策略，因为重建真值仅是 FTN 的输入经高斯掩码与 CFA 生成的注意力掩码加权后得到的结果。此外，引入了一种新的梯度损失以鼓励网络挖掘输入与重建输出之间的纹理一致性。我们的 FTN 计算高效，在三个常用数据集 Market1501、CUHK03 和 MSMT17 上的大量实验表明，所提方法优于当前最优（SOTA）方法。
引用
@article{arxiv.2009.11425,
title = {FTN: Foreground-Guided Texture-Focused Person Re-Identification},
author = {Donghaisheng Liu and Shoudong Han and Yang Chen and Chenfei Xia and Jun Zhao},
journal= {arXiv preprint arXiv:2009.11425},
year = {2020}
}
备注
9 pages,5 figures, 3 tables