挖掘假正例用于基于文本的人员重识别
计算机视觉与模式识别
2023-03-16 v1
摘要
基于文本的人员重识别(ReID)旨在根据给定的文本描述从大规模人员图像数据库中识别目标人物的图像。然而,由于显著的跨模态鸿沟,基于文本的人员ReID仍然是一个具有挑战性的问题。大多数现有方法通常严重依赖由匹配的词-区域对贡献的相似度,而忽视了可能起决定性作用的未匹配词-区域对。为此,我们提出通过联合优化的多分支架构来挖掘假正例(MFPE)以处理该问题。MFPE包含三个分支,其中包括一个假正例挖掘(FPM)分支,用于突出未匹配词-区域对的作用。此外,MFPE精心设计了cross-relu损失,以增大匹配与未匹配词-区域对之间相似度得分的差距。在CUHK-PEDES上的大量实验证明了MFPE的优越有效性。我们的代码发布于 https://github.com/xx-adeline/MFPE。
引用
@article{arxiv.2303.08466,
title = {Mining False Positive Examples for Text-Based Person Re-identification},
author = {Wenhao Xu and Zhiyin Shao and Changxing Ding},
journal= {arXiv preprint arXiv:2303.08466},
year = {2023}
}