用于基于群体的重识别的多注意力上下文图学习
计算机视觉与模式识别
2021-04-30 v1
摘要
学习在非重叠摄像机系统间重识别或检索一群人在视频监控中具有重要应用。然而，大多数现有方法聚焦于（单）行人重识别（re-id），忽略了现实中人们经常成群行走的事实。在本工作中，我们更进一步，考虑利用上下文信息来识别人群，即群体重识别。我们提出了一种基于图神经网络的新型统一框架，以同时解决基于群体的重识别任务，即群体重识别和群体感知行人重识别。具体而言，我们构建以群体成员为节点的上下文图，以利用不同人之间的依赖关系。我们开发了多级注意力机制来构建组内和组间上下文，并附加一个自注意力模块通过注意力聚合节点级特征来获得鲁棒的图级表示。所提模型可直接推广至利用节点级表示处理群体感知行人重识别。同时，为促进深度学习模型在这些任务上的部署，我们构建了一个新的群体重识别数据集，包含超过3.8K图像和1.5K标注群体，比现有群体重识别数据集大一个数量级。在新型数据集及三个现有数据集上的大量实验清楚地证明了所提框架对两类基于群体的重识别任务的有效性。代码见 https://github.com/daodaofr/group_reid。
引用
@article{arxiv.2104.14236,
title = {Learning Multi-Attention Context Graph for Group-Based Re-Identification},
author = {Yichao Yan and Jie Qin and Bingbing Ni and Jiaxin Chen and Li Liu and Fan Zhu and Wei-Shi Zheng and Xiaokang Yang and Ling Shao},
journal= {arXiv preprint arXiv:2104.14236},
year = {2021}
}