IAUnet：用于行人重识别的全局上下文感知特征学习网络
计算机视觉与模式识别
2020-09-03 v1
摘要
近年来，基于 CNN 网络的行人重识别（reID）取得了良好的性能。然而，大多数现有的基于 CNN 的方法没有充分利用时空上下文建模。事实上，全局时空上下文可极大消除局部干扰以增强目标特征表示。为全面利用时空上下文信息，本工作中我们提出一种新颖的模块——交互-聚合-更新（IAU），用于高性能行人重识别。首先，引入时空 IAU（STIAU）模块。STIAU 将两类上下文交互联合嵌入 CNN 框架以进行目标特征学习。其中空间交互学习计算单帧中不同身体部位之间的上下文依赖关系，而时间交互用于捕获所有帧间相同身体部位之间的上下文依赖关系。此外，设计了通道 IAU（CIAU）模块来建模通道特征之间的语义上下文交互，以增强特征表示，尤其针对小尺度视觉线索和身体部位。因此，IAU 模块使特征融合了全局空间、时间和通道上下文。它轻量、可端到端训练，并能轻易插入现有 CNN 中构成 IAUnet。实验表明，IAUnet 在图像和视频 reID 任务上均优于最先进方法，并在通用物体分类任务上取得了引人注目的结果。源代码可在 https://github.com/blue-blue272/ImgReID-IAnet 获取。
引用
@article{arxiv.2009.01035,
title = {IAUnet: Global Context-Aware Feature Learning for Person Re-Identification},
author = {Ruibing Hou and Bingpeng Ma and Hong Chang and Xinqian Gu and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:2009.01035},
year = {2020}
}
备注
14 pages, 9 figures. Accepted by IEEE Transactions on Neural Networks and Learning Systems (TNNLS)