面向行人重识别的全局-局部动态特征对齐网络
计算机视觉与模式识别
2022-02-04 v2
摘要
由边界框检测误差或部分遮挡引起的人体图像错位，是行人重识别(Re-ID)任务中的主要挑战之一。以往基于局部的方法主要关注在行人预定义语义区域上学习局部特征。这些方法通常使用局部硬对齐手段或引入人体关键点位姿等辅助信息来匹配局部特征，在遇到较大场景差异时往往不适用。为解决这些问题，我们提出一种简洁高效的局部滑动对齐(LSA)策略，通过在行人局部条带上设置滑动窗口来动态对齐两幅图像的局部特征。LSA 能有效抑制空间错位，且无需引入额外监督信息。随后，我们设计了一个包含全局与局部分支的全局-局部动态特征对齐网络(GLDFA-Net)框架。我们将 LSA 引入 GLDFA-Net 的局部分支以引导距离度量的计算，可进一步提升测试阶段的准确率。在 Market-1501、DukeMTMC-reID、CUHK03 及 MSMT17 等多个主流评测数据集上的实验表明，我们的方法相较若干当前最优的行人 Re-ID 方法具有竞争性精度。具体而言，其在 Market1501 上取得了 86.1% mAP 与 94.8% Rank-1 准确率。
引用
@article{arxiv.2109.05759,
title = {Global-Local Dynamic Feature Alignment Network for Person Re-Identification},
author = {Zhangqiang Ming and Yong Yang and Xiaoyong Wei and Jianrong Yan and Xiangkun Wang and Fengjie Wang and Min Zhu},
journal= {arXiv preprint arXiv:2109.05759},
year = {2022}
}
备注
28 pages, 8 figures