渐进式多阶段特征混合用于行人重识别
计算机视觉与模式识别
2020-10-27 v2
摘要
在行人重识别任务中，来自小局部区域的图像特征往往能提供强有力的证据。然而，CNN 往往过于关注最显著的局部区域，从而忽略了其他具有判别力的线索，例如头发、鞋子或衣服上的标志。BDB 提出在批次中随机丢弃一个块以扩大高响应区域。尽管 BDB 已取得显著成果，但仍有改进空间。在本工作中，我们提出一种渐进式多阶段特征混合网络（PMM），使模型能够以渐进方式发现更精确且多样的特征。具体而言：1. 为迫使模型在图像中寻找不同线索，我们采用多阶段分类器，并期望模型在每个阶段聚焦于互补区域。2. 我们提出一种注意力特征硬混合（A-Hard-Mix），用当前批次中标签与当前样本不同的负样本替换显著特征块。3. 在 Market-1501、DukeMTMC-reID 和 CUHK03 等重识别数据集上进行了大量实验，表明所提方法能显著提升重识别性能。
引用
@article{arxiv.2007.08779,
title = {Progressive Multi-stage Feature Mix for Person Re-Identification},
author = {Yan Zhang and Binyu He and Li Sun},
journal= {arXiv preprint arXiv:2007.08779},
year = {2020}
}