用于行人重识别的部位对齐双线性表示
计算机视觉与模式识别
2018-04-20 v1
摘要
我们提出一种学习部位对齐表示用于行人重识别的新网络。它处理了身体部位错位问题，即由于姿态/视角变化和不可靠检测，人体检测间身体部位错位。我们的模型由双流网络（一流用于外观图提取，另一流用于身体部位图提取）和一个生成并空间池化部位对齐图的双线性池化层组成。部位对齐图的每个局部特征由相应局部外观与身体部位描述子的双线性映射获得。我们的新表示产生了鲁棒的图像匹配相似度，等价于对应身体部位的局部相似度聚合加上加权外观相似度。该部位对齐表示显著减轻了部位错位问题。我们的方法也优于其他姿态引导表示（例如在每个身体部位边界框上提取表示），通过学习对行人重识别最优的部位描述子。为训练网络，我们的方法不需要行人重识别数据集上的任何部位标注。相反，我们使用现有姿态估计网络的预训练子网络初始化部位子流，并训练整个网络以最小化重识别损失。我们在标准基准数据集 Market-1501、CUHK03、CUHK01 和 DukeMTMC 以及标准视频数据集 MARS 上展示了优于最先进方法的表现，从而验证了方法的有效性。
引用
@article{arxiv.1804.07094,
title = {Part-Aligned Bilinear Representations for Person Re-identification},
author = {Yumin Suh and Jingdong Wang and Siyu Tang and Tao Mei and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:1804.07094},
year = {2018}
}