用于行人重识别的混合高阶注意力网络
计算机视觉与模式识别
2019-08-19 v1
摘要
注意力在行人重识别(ReID)中已变得更具吸引力,因为它能够将可用资源的分配偏向输入信号中信息最丰富的部分。然而,现有最优工作仅集中于粗粒度或一阶注意力设计,例如空间与通道注意力,而很少探索高阶注意力机制。我们朝解决此问题迈出了一步。在本文中,我们首先提出高阶注意力(HOA)模块,以建模并利用注意力机制中的复杂高阶统计信息,从而捕捉行人间的细微差异并产生具有判别力的注意力候选。接着,将行人 ReID 重新视为零样本学习问题,我们提出混合高阶注意力网络(MHN),以显式方式进一步增强注意力知识的判别力与丰富性。我们进行了大量实验,在包括 Market-1501、DukeMTMC-ReID 和 CUHK03-NP 在内的三个大规模数据集上验证了我们的 MHN 相对于多种最优方法在行人 ReID 上的优越性。代码见 http://www.bhchen.cn/。
引用
@article{arxiv.1908.05819,
title = {Mixed High-Order Attention Network for Person Re-Identification},
author = {Binghui Chen and Weihong Deng and Jiani Hu},
journal= {arXiv preprint arXiv:1908.05819},
year = {2019}
}
备注
ICCV 2019