MSINet：用于目标重识别的多尺度交互孪生对比搜索
计算机视觉与模式识别
2023-03-14 v1
摘要
神经架构搜索（NAS）在目标重识别（ReID）领域日益受到关注，因为任务特定的架构显著提升了检索性能。先前的工作为NAS ReID探索了新的优化目标和搜索空间，但它们忽视了图像分类与ReID之间训练方案的差异。在本工作中，我们提出了一种新颖的孪生对比机制（TCM），为ReID架构搜索提供更合适的监督。TCM减少了训练与验证数据之间的类别重叠，并辅助NAS模拟真实世界的ReID训练方案。随后我们设计了一个多尺度交互（MSI）搜索空间，以搜索多尺度特征间合理的交互操作。此外，我们引入了空间对齐模块（SAM），以进一步增强面对不同来源图像时的注意力一致性。在所提出的NAS方案下，自动搜索出一个特定架构，命名为MSINet。大量实验表明，我们的方法在域内和跨域场景下均超越了最先进的ReID方法。源代码见 https://github.com/vimar-gu/MSINet。
引用
@article{arxiv.2303.07065,
title = {MSINet: Twins Contrastive Search of Multi-Scale Interaction for Object ReID},
author = {Jianyang Gu and Kai Wang and Hao Luo and Chen Chen and Wei Jiang and Yuqiang Fang and Shanghang Zhang and Yang You and Jian Zhao},
journal= {arXiv preprint arXiv:2303.07065},
year = {2023}
}
备注
Accepted by CVPR2023