面向行人搜索的联合检测与重识别特征学习

现有的行人重识别基准与方法主要聚焦于查询与候选之间裁剪后的行人图像匹配。然而，这与真实场景不同，在真实场景中行人边界框标注不可用，且需要从整个场景图像库中搜索目标行人。为缩小这一差距，我们提出一种新的深度学习框架用于行人搜索。我们并未将其拆解为两个独立任务——行人检测与行人重识别，而是在单个卷积神经网络中联合处理这两个方面。提出一种在线实例匹配（Online Instance Matching, OIM）损失函数以有效训练网络，该函数可扩展至具有大量身份的数据集。为验证我们的方法，我们收集并标注了一个大规模行人搜索基准数据集。其包含 18,184 张图像、8,432 个身份和 96,143 个行人边界框。实验表明，我们的框架优于其他分离式方法，且提出的 OIM 损失函数比常规 Softmax 损失收敛更快、更好。