面向行人搜索的行人对象性与排斥性联合建模
计算机视觉与模式识别
2021-02-24 v1
摘要
行人搜索旨在从无约束场景图像中搜索探针行人，可视为行人检测与行人匹配的联合任务。然而，基于检测-匹配框架的现有方法忽略了行人对象性（objectness）与排斥性（repulsion, OR），而二者均有利于降低干扰图像的影响。本文中，我们提出一种联合考虑对象性与排斥性信息的 OR 相似度。除传统视觉相似度项外，OR 相似度还包含对象性项与排斥性项。对象性项可降低不含行人的干扰图像相似度，并通过提升正样本排序来提高行人搜索性能。由于探针行人与其邻居具有不同的行人 ID，与探针邻居相似度更高的库图像应与探针行人具有更低的相似度。基于该排斥约束，提出排斥性项以降低与探针行人并非最相似的干扰图像相似度。以 Faster R-CNN 作为行人检测器，在 PRW 与 CUHK-SYSU 数据集上通过含六种描述模型的检测-匹配框架对 OR 相似度进行评估。大量实验表明，所提 OR 相似度能有效降低干扰样本相似度并进一步提升行人搜索性能，例如将 CUHK-SYSY 数据集的 mAP 从 92.32% 提升至 93.23%，将 PRW 数据集的 mAP 从 50.91% 提升至 52.30%。
引用
@article{arxiv.2006.00155,
title = {Joint Person Objectness and Repulsion for Person Search},
author = {Hantao Yao and Changsheng Xu},
journal= {arXiv preprint arXiv:2006.00155},
year = {2021}
}