面向端到端行人搜索的知识蒸馏
计算机视觉与模式识别
2019-09-09 v2
摘要
我们引入面向端到端行人搜索的知识蒸馏。端到端方法是当前行人搜索的state-of-the-art（SOTA），其联合解决检测与重识别任务。这些联合优化方法由于检测器次优而表现出最大的性能下降。我们提出两种在教师-学生设定下对端到端行人搜索方法进行额外监督的不同方法。第一种借鉴目标检测中state-of-the-art的知识蒸馏方法。我们采用该方法，利用专用检测器在多个层级上监督行人搜索模型的检测器。第二种方法是新颖、简单但显著更有效的。其通过预计算的ID特征查找表从教师重识别技术中蒸馏知识。它放宽了识别特征的学习并使学生能够专注于检测任务。该过程不仅有助于修正联合优化中次优的检测器训练并同时改进行人搜索，而且在此情形下缩小了教师与学生之间因模型压缩产生的性能差距。总体而言，我们在两个基准数据集上利用所提知识蒸馏方法展示了两种近期state-of-the-art方法的显著改进。此外，在模型压缩任务中，我们的方法使较小模型的性能达到与较大模型相当的水平。
引用
@article{arxiv.1909.01058,
title = {Knowledge Distillation for End-to-End Person Search},
author = {Bharti Munjal and Fabio Galasso and Sikandar Amin},
journal= {arXiv preprint arXiv:1909.01058},
year = {2019}
}
备注
The British Machine Vision conference (BMVC), 2019