面向行人搜索的多属性增强网络
计算机视觉与模式识别
2021-04-21 v2
摘要
行人搜索旨在联合解决行人检测与行人重识别(Re-ID)问题，即在大量未裁剪图像中定位目标行人。过去几年，基于深度学习的行人搜索取得了很大进展。视觉属性特征在检索查询行人中起着关键作用，这一点已在 Re-ID 中被探索，但在行人搜索中却被忽视。因此，我们将属性学习引入模型，允许利用属性特征进行检索任务。具体而言，我们提出一种简单有效的模型，称为多属性增强(MAE)，其引入属性标签以学习局部特征。除学习行人的全局表征外，它还学习局部表征，并结合两方面学习鲁棒特征以提升搜索性能。此外，我们在现有基准数据集 CUHK-SYSU 和 PRW 上验证了模块的有效性。最终，我们的模型在端到端方法中达到 SOTA，尤其在 CUHK-SYSU 上取得 91.8% 的 mAP 和 93.0% 的 rank-1。代码与模型见 https://github.com/chenlq123/MAE。
引用
@article{arxiv.2102.07968,
title = {Multi-Attribute Enhancement Network for Person Search},
author = {Lequan Chen and Wei Xie and Zhigang Tu and Jinglei Guo and Yaping Tao and Xinming Wang},
journal= {arXiv preprint arXiv:2102.07968},
year = {2021}
}