基于局部感知Transformer的人员重识别
计算机视觉与模式识别
2021-06-09 v2
摘要
人员重识别是基于计算机视觉的监控应用中的一个重要问题，其旨在从多个邻近区域的监控照片中尝试识别出同一人。目前，大多数人员重识别技术基于卷积神经网络 (CNNs)，但Vision Transformers正开始取代纯CNN用于多种目标识别任务。视觉Transformer的主要输出是一个全局分类令牌，但视觉Transformer也产生包含图像局部区域额外信息的局部令牌。利用这些局部令牌提升分类准确性的技术是一个活跃的研究领域。我们提出了一种新颖的局部感知Transformer (LA-Transformer)，其采用受基于部件的卷积基线 (PCB) 启发的策略，将全局增强的局部分类令牌聚合成一个由个分类器组成的集成，其中为图像块数。另一创新点是我们引入了块级微调，进一步提升了重识别准确率。带有块级微调的LA-Transformer在Market-1501上取得了98.27%（标准差0.13）的rank-1准确率，在CUHK03数据集上取得了98.7%（标准差0.2）的rank-1准确率，优于撰写时所有其他已发表的最先进方法。
引用
@article{arxiv.2106.03720,
title = {Person Re-Identification with a Locally Aware Transformer},
author = {Charu Sharma and Siddhant R. Kapil and David Chapman},
journal= {arXiv preprint arXiv:2106.03720},
year = {2021}
}
备注
10 pages, 2 figure, submitted to NeurIPS 2021