基于关系自适应特征校正学习的遮挡行人重识别
计算机视觉与模式识别
2022-12-12 v1
摘要
由多相机捕获图像中的遮挡行人重识别（Re-ID）具有挑战性，因为目标行人被行人或物体遮挡，尤其在拥挤场景中。除整体行人 Re-ID 中所执行的流程外，遮挡行人 Re-ID 还涉及障碍物移除与部分可见身体部位的检测。大多数现有方法利用现成的姿态或解析网络作为伪标签，易出错。为解决这些问题，我们提出一种新颖的遮挡校正网络（OCNet），其通过关系权重学习校正特征，且在不使用外部网络的情况下获得多样且具有代表性的特征。此外，我们提出一个中心特征的简单概念，以便为行人遮挡场景提供直观解决方案。进一步，我们提出分离损失（SL）的思想，用于关注全局特征与局部特征之间的不同部分。我们在五个具挑战性的遮挡与整体 Re-ID 基准数据集上进行了大量实验，表明我们的方法优于最先进方法，尤其在遮挡场景中。
引用
@article{arxiv.2212.04712,
title = {Occluded Person Re-Identification via Relational Adaptive Feature Correction Learning},
author = {Minjung Kim and MyeongAh Cho and Heansung Lee and Suhwan Cho and Sangyoun Lee},
journal= {arXiv preprint arXiv:2212.04712},
year = {2022}
}
备注
ICASSP 2022