用于重识别的实例与配对感知动态网络
计算机视觉与模式识别
2021-03-30 v2
摘要
重识别（ReID）旨在跨不同摄像头识别同一实例。现有 ReID 方法多利用基于对齐或基于注意力的策略来生成有效特征表示。然而，此类方法大多仅通过采用单张输入图像本身提取通用特征，忽视了对比较图像间相关性的探索。为弥补这一不足，本文提出一种新颖的端到端可训练动态卷积框架，称为实例与配对感知动态网络。所提模型由三个主要分支组成，其中构建自引导动态分支以强化实例特定特征，聚焦于每一单张图像。此外，我们还设计了互引导动态分支，为每对待比较图像生成配对感知特征。为验证所提算法的有效性，我们进行了大量实验。我们在多个主流行人与车辆 ReID 数据集上评估算法，包括 CUHK03、DukeMTMCreID、Market-1501、VeRi776 与 VehicleID。在某些数据集上我们的算法优于 SOTA 方法，在其他数据集上则取得相当的性能。
引用
@article{arxiv.2103.05395,
title = {Instance and Pair-Aware Dynamic Networks for Re-Identification},
author = {Bingliang Jiao and Xin Tan and Jinghao Zhou and Lu Yang and Yunlong Wang and Peng Wang},
journal= {arXiv preprint arXiv:2103.05395},
year = {2021}
}
备注
8 pages