用于遮挡行人重识别的并行增强与双重增强
计算机视觉与模式识别
2024-01-11 v3
摘要
遮挡行人重识别 (Re-ID)，即在遮挡环境中搜索同一人图像的任务，在过去几十年中引起了广泛关注。最近的方法集中于通过数据/特征增强或使用额外模型预测遮挡来改善遮挡数据上的性能。然而，它们忽略了该任务中的不平衡问题，并且无法充分利用训练数据中的信息。为了缓解这两个问题，我们提出了一种简单而有效的方法，即并行增强与双重增强 (PADE)，该方法对遮挡和非遮挡数据均具有鲁棒性，且不需要任何辅助线索。首先，我们设计了一种并行增强机制 (PAM) 来生成更合适的遮挡数据，以减轻不平衡数据的负面影响。其次，我们提出了全局和局部双重增强策略 (DES) 以促进上下文信息和细节。在三个广泛使用的遮挡数据集和两个非遮挡数据集上的实验结果验证了我们方法的有效性。代码可在 https://github.com/littleprince1121/PADE_Parallel_Augmentation_and_Dual_Enhancement_for_Occluded_Person_ReID 获取。
引用
@article{arxiv.2210.05438,
title = {Parallel Augmentation and Dual Enhancement for Occluded Person Re-identification},
author = {Zi Wang and Huaibo Huang and Aihua Zheng and Chenglong Li and Ran He},
journal= {arXiv preprint arXiv:2210.05438},
year = {2024}
}
备注
ICASSP 2024