用于遮挡行人重识别的位姿引导部件间与部件内关系 Transformer
计算机视觉与模式识别
2021-09-09 v1
摘要
遮挡场景下的行人重识别(Re-Id)是一个具有挑战性的问题,因为行人可能被部分遮挡。利用局部信息进行特征提取与匹配仍是必要的。为此,我们提出一种用于遮挡行人重识别的位姿引导部件间与部件内关系 Transformer(Pirt),通过引入 transformer 构建部件感知的长程关联。在我们的框架中,首先开发了一个带有区域分组与掩码构建的位姿引导特征提取模块,以获得鲁棒的特征表示。监控场景下图像中行人的位置相对固定,因此我们提出部件内与部件间关系 transformer。部件内模块利用掩码引导特征建立局部关系,而部件间关系则借助 transformer 建立关联,以发展部件节点间的交叉关系。通过部件间与部件内关系的协同学习,实验表明我们提出的 Pirt 模型在公开遮挡数据集上达到了新的最先进水平(state of the art),在标准非遮挡行人重识别数据集上的进一步扩展也显示出我们具有可比的性能。
引用
@article{arxiv.2109.03483,
title = {Pose-guided Inter- and Intra-part Relational Transformer for Occluded Person Re-Identification},
author = {Zhongxing Ma and Yifan Zhao and Jia Li},
journal= {arXiv preprint arXiv:2109.03483},
year = {2021}
}
备注
10 pages, 6 figures, Accepted by ACM MM 2021