面向大规模行人重识别的行人对齐网络
计算机视觉与模式识别
2019-06-24 v1
摘要
行人重识别（person re-ID）通常被视为图像检索问题。该任务旨在大型图像库中搜索查询行人。实践中，行人重识别通常采用自动检测器获取裁剪后的行人图像。然而，此过程受两类检测器误差影响：背景过多与部件缺失。这两种误差均会降低行人对齐质量，并可能因位置和尺度变化而损害行人匹配。为解决未对齐问题，我们提出对齐可从识别过程中学习。我们引入行人对齐网络（PAN），其在无需额外标注的情况下实现判别性嵌入学习与行人对齐。我们的关键观察是：当卷积神经网络（CNN）学习区分不同身份时，所学特征图通常在人体而非背景上表现出强激活。因此，所提网络利用该注意力机制在边界框内自适应定位并对齐行人。可视化示例显示行人经PAN后对齐更好。在三个大规模重识别数据集上的实验证实，PAN提升了特征嵌入的判别能力，并取得了与最先进方法相当的精度。
引用
@article{arxiv.1707.00408,
title = {Pedestrian Alignment Network for Large-scale Person Re-identification},
author = {Zhedong Zheng and Liang Zheng and Yi Yang},
journal= {arXiv preprint arXiv:1707.00408},
year = {2019}
}