让特征自行决定：面向行人重识别的特征掩码网络
计算机视觉与模式识别
2019-04-11 v1
摘要
行人重识别旨在从包含多摄像头系统所获取多人图像的画廊中确认行人的身份。遮挡、跨摄像头视角下的剧烈光照与姿态变化、无判别力的视觉外观、杂乱背景、不完美检测、运动模糊与噪声等诸多挑战使该任务极具难度。虽然多数方法聚焦于学习特征与度量以获得更好的表征，我们假设局部与全局上下文线索对于准确的身份匹配都至关重要。为此，我们提出一种特征掩码网络 (FMN)，其利用 ResNet 高层特征预测特征图掩码，并将其施加于低层特征，以动态重加权不同物体部位，从而获得具有局部感知的特征表征。这作为一种有效的注意力机制，使网络能够选择性地聚焦于局部细节。鉴于行人重识别与分类及检索任务的相似性，我们将网络训练构建为多任务目标优化，进一步改善了所学特征描述。我们在 Market-1501、DukeMTMC-reID 与 CUHK03 数据集上开展实验，所提方法相对于当前最优水平在 mAP 指标上分别取得 、 与 的显著提升。
引用
@article{arxiv.1711.07155,
title = {Let Features Decide for Themselves: Feature Mask Network for Person Re-identification},
author = {Guodong Ding and Salman Khan and Zhenmin Tang and Fatih Porikli},
journal= {arXiv preprint arXiv:1711.07155},
year = {2019}
}
备注
10 pages, 4 figures