高阶信息至关重要：面向遮挡行人重识别的关系与拓扑学习
计算机视觉与模式识别
2020-04-03 v4
摘要
遮挡行人重识别（ReID）旨在跨不相交摄像头将遮挡行人图像与整体行人图像进行匹配。本文提出一种新颖框架，通过学高阶关系与拓扑信息来获取判别性特征与鲁棒对齐。首先，我们使用 CNN 主干网络与关键点估计模型提取语义局部特征。即便如此，遮挡图像仍受遮挡与离群点影响。随后，我们将一幅图像的局部特征视为图节点，提出自适应有向图卷积（ADGC）层在节点间传递关系信息。所提 ADGC 层可通过动态学链接方向与度数自动抑制无意义特征的消息传递。在对齐两幅图像的两组局部特征时，我们将其视为图匹配问题，并提出跨图嵌入对齐（CGEA）层，将拓扑信息联合学并嵌入局部特征，直接预测相似度分数。所提 CGEA 层不仅充分利用图匹配学到的对齐，还将敏感的一对一匹配替换为鲁棒软匹配。最后，在遮挡、部分与整体 ReID 任务上的大量实验表明了所提方法的有效性。具体而言，我们的框架在 Occluded-Duke 数据集上以 6.5% mAP 分数显著优于 SOTA。
引用
@article{arxiv.2003.08177,
title = {High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification},
author = {Guan'an Wang and Shuo Yang and Huanyu Liu and Zhicheng Wang and Yang Yang and Shuliang Wang and Gang Yu and Erjin Zhou and Jian Sun},
journal= {arXiv preprint arXiv:2003.08177},
year = {2020}
}
备注
accepted by CVPR'20