面向行人重识别的协调注意力网络
计算机视觉与模式识别
2018-02-23 v1
摘要
现有的行人重识别（re-id）方法要么假设模型输入为对齐良好的行人边界框图像，要么依赖受限的注意力选择机制来校准未对齐图像。因此，它们在任意对齐、可能存在较大人体姿态变化且无约束自动检测误差的行人图像重识别匹配中是次优的。在本工作中，我们展示了在卷积神经网络（CNN）中联合学习注意力选择与特征表示的优势，通过在重识别判别学习约束下最大化不同层次视觉注意力的互补信息。具体而言，我们提出了一种新颖的协调注意力CNN（HA-CNN）模型，用于联合学习软像素注意力与硬区域注意力，并同时优化特征表示，致力于在未受控制（未对齐）图像中优化行人重识别。大量对比评估验证了这一新HA-CNN模型在CUHK03、Market-1501和DukeMTMC-ReID三个大规模基准上相对于多种最先进方法的优越性。
引用
@article{arxiv.1802.08122,
title = {Harmonious Attention Network for Person Re-Identification},
author = {Wei Li and Xiatian Zhu and Shaogang Gong},
journal= {arXiv preprint arXiv:1802.08122},
year = {2018}
}
备注
Accepted in CVPR 2018