遮挡行人重识别
计算机视觉与模式识别
2018-04-23 v3 人工智能
多媒体
摘要
当应用于拥挤的公共场所时，行人重识别(re-id)受到严重的遮挡问题困扰。本文中，我们提出利用带遮挡的行人图像来检索全身行人图像。这与假设行人图像在无任何遮挡下被检测到的传统行人重识别问题显著不同。因此我们称这一新问题为遮挡行人重识别。为解决这一新问题，我们提出一种基于深度学习的新型行人身体注意力框架(AFPB)，包含 1) 一个遮挡模拟器(OS)，其为全身行人图像自动生成人工遮挡；以及 2) 多任务损失，其迫使神经网络不仅判别行人身份，还判定样本是来自遮挡数据分布还是全身数据分布。在一个新的遮挡行人重识别数据集以及三个被修改以包含全身行人图像和遮挡行人图像的现有基准上的实验显示了所提方法的优越性。
引用
@article{arxiv.1804.02792,
title = {Occluded Person Re-identification},
author = {Jiaxuan Zhuo and Zeyu Chen and Jianhuang Lai and Guangcong Wang},
journal= {arXiv preprint arXiv:1804.02792},
year = {2018}
}
备注
6 pages, 7 figures, IEEE International Conference of Multimedia and Expo 2018