基于知识蒸馏的姿态引导特征学习用于遮挡行人重识别
计算机视觉与模式识别
2021-08-24 v2 多媒体
摘要
遮挡行人重识别(ReID)旨在匹配带遮挡的行人图像。由于严重遮挡加剧了图像间的错位问题,该任务极具挑战性。许多工作以引入姿态估计器为代价,在训练与测试中都引入姿态信息以缓解错位。为在保持低推理复杂度的同时实现高准确率,我们提出名为基于知识蒸馏的姿态引导特征学习(PGFL-KD)的网络,其中姿态信息被用于正则化语义对齐特征的学习,但在测试时被丢弃。PGFL-KD由主分支(MB)与两个姿态引导分支组成,即前景增强分支(FEB)与身体部位语义对齐分支(SAB)。FEB旨在强调可见身体部位的特征,同时排除遮挡物与背景的干扰(即前景特征对齐)。SAB鼓励不同通道组关注不同身体部位,以获得身体部位语义对齐的表征。为摆脱测试时对姿态信息的依赖,我们通过知识蒸馏与基于交互的训练来正则化MB学习FEB与SAB的优点。在遮挡、局部及整体ReID任务上的大量实验表明了我们所提网络的有效性。
引用
@article{arxiv.2108.00139,
title = {Pose-Guided Feature Learning with Knowledge Distillation for Occluded Person Re-Identification},
author = {Kecheng Zheng and Cuiling Lan and Wenjun Zeng and Jiawei Liu and Zhizheng Zhang and Zheng-Jun Zha},
journal= {arXiv preprint arXiv:2108.00139},
year = {2021}
}
备注
ACM MM 2021