面向基于集合的行人重识别的 ID 感知质量
计算机视觉与模式识别
2019-11-22 v1 机器学习
图像与视频处理
摘要
基于集合的行人重识别（SReID）是一个匹配问题，旨在验证两个集合是否属于同一身份（ID）。现有的 SReID 模型通常为每张图像生成特征表示并将其聚合以将集合表示为单一嵌入。然而，它们很容易受到噪声——感知上/语义上低质量的图像——的干扰，这些噪声由于不完美的跟踪/检测系统或是对琐碎图像的过拟合而不可避免。在本工作中，我们提出了一种基于 ID 感知质量的崭新且简单的解决方案，该质量由其 ID 信息引导来度量图像的感知与语义质量。具体而言，我们提出了一种 ID 感知嵌入，其包含两个关键组件：（1）特征学习注意力，旨在通过关注“中等”困难图像来学习鲁棒的图像嵌入。以此方式，它可以防止对琐碎图像的过拟合，并减轻离群值的影响。（2）特征融合注意力用于融合集合中的图像嵌入以获得集合级嵌入。它忽略噪声信息并更多地关注判别性图像，以聚合更具判别性的信息。在四个数据集上的实验结果表明，尽管我们的方法简单，仍优于最先进的方法。
引用
@article{arxiv.1911.09143,
title = {ID-aware Quality for Set-based Person Re-identification},
author = {Xinshao Wang and Elyor Kodirov and Yang Hua and Neil M. Robertson},
journal= {arXiv preprint arXiv:1911.09143},
year = {2019}
}
备注
A Set-based Person Re-identification Baseline: Simple Average Fusion of Global Spatial Representations, without temporal information, without parts/poses/attributes information