感知聚焦何处:面向部分行人重识别的可见性感知部件级特征学习
计算机视觉与模式识别
2019-04-02 v1
摘要
本文考虑行人重识别(re-ID)任务中的一个现实问题,即部分重识别。在部分重识别场景下,图像可能只包含行人的部分观测。若直接将部分行人图像与整体图像比较,极端的空间错位会严重损害所学表示的判别能力。我们提出一种可见性感知部件模型(VPM),其通过自监督学习感知区域的可见性。可见性感知使 VPM 能够提取区域级特征,并在两幅图像共享的区域(在两幅图像上均可见)上聚焦比较。VPM 为部分重识别准确率的提升带来双重益处。一方面,与学习全局特征相比,VPM 学习区域级特征并受益于细粒度信息。另一方面,借助可见性感知,VPM 能够估计两幅图像间的共享区域,从而抑制空间错位。实验结果证实,我们的方法显著改进了所学表示,且达到的准确率与当前最优(state of the art)相当。
引用
@article{arxiv.1904.00537,
title = {Perceive Where to Focus: Learning Visibility-aware Part-level Features for Partial Person Re-identification},
author = {Yifan Sun and Qin Xu and Yali Li and Chi Zhang and Yikang Li and Shengjin Wang and Jian Sun},
journal= {arXiv preprint arXiv:1904.00537},
year = {2019}
}
备注
8 pages, 5 figures, accepted by CVPR2019