面向 RGB-红外行人重识别的神经特征搜索
计算机视觉与模式识别
2021-04-07 v1
摘要
RGB-红外行人重识别(RGB-IR ReID)是一项具有挑战性的跨模态检索问题,旨在可见光与红外相机视角下匹配感兴趣行人。大多数现有工作通过手动设计的特征选择模块获得性能提升,这常需要大量领域知识与丰富经验。在本文中,我们研究一种称为神经特征搜索(NFS)的通用范式,以自动化特征选择过程。具体而言,NFS 结合双级特征搜索空间与可微搜索策略,联合选择粗粒度通道与细粒度空间像素中与身份相关的线索。该组合使 NFS 能以数据驱动方式自适应过滤背景噪声并聚焦于人体信息部位。此外,跨模态对比优化方案进一步引导 NFS 搜索可最小化模态差异同时最大化类间距离的特征。在主流基准上的大量实验表明,我们的方法优于当前最优(state-of-the-arts),尤其在 RegDB 数据集上取得更好性能,Rank-1 与 mAP 分别显著提升 11.20% 与 8.64%。
引用
@article{arxiv.2104.02366,
title = {Neural Feature Search for RGB-Infrared Person Re-Identification},
author = {Yehansen Chen and Lin Wan and Zhihang Li and Qianyan Jing and Zongyuan Sun},
journal= {arXiv preprint arXiv:2104.02366},
year = {2021}
}
备注
13 pages, 7 figures, accepted by CVPR 2021