面向行人重识别的交互与聚合网络
计算机视觉与模式识别
2019-07-22 v1
摘要
行人重识别(reID)极大受益于学习鲁棒特征嵌入的深度卷积神经网络(CNNs)。然而，由于其固定的几何结构，CNNs在建模行人姿态与尺度的巨大变化方面存在固有局限。本文提出一种新颖的网络结构——交互与聚合(IA)网络，以增强CNNs的特征表示能力。首先，引入空间IA(SIA)模块。它建模空间特征间的相互依赖关系，并聚合对应于同一身体部位的相关特征。与从固定矩形区域提取特征的CNNs不同，SIA可根据输入行人姿态与尺度自适应确定感受野。其次，我们引入通道IA(CIA)模块，选择性聚合通道特征以增强特征表示，尤其针对小尺度视觉线索。此外，IA网络可通过在CNNs任意深度插入IA块来构建。我们在三个基准数据集上验证了该模型相对于SOTA方法的优越性，证明了其在行人重识别中的有效性。
引用
@article{arxiv.1907.08435,
title = {Interaction-and-Aggregation Network 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:1907.08435},
year = {2019}
}
备注
10 pages, 8 figures, accepted by CVPR 2019