用于遮挡行人重识别的质量感知部件模型
计算机视觉与模式识别
2022-01-04 v1
摘要
遮挡是行人重识别（ReID）的主要挑战。现有方法通常依赖外部工具推断可见身体部位，这在计算效率和ReID精度上可能均非最优。特别地，其在面对复杂遮挡（如行人之间的遮挡）时可能失效。据此，本文提出一种名为质量感知部件模型（QPM）的新颖方法，用于遮挡鲁棒ReID。首先，我们提出联合学习部件特征并预测部件质量分数。由于无质量标注可用，我们引入一种策略，自动为被遮挡身体部位分配低分，从而削弱被遮挡身体部位对ReID结果的影响。其次，基于预测的部件质量分数，我们提出一种新颖的identity-aware空间注意力（ISA）模块。该模块利用粗粒度identity-aware特征来高亮目标行人的像素，以处理行人之间的遮挡。第三，我们设计了一种自适应且高效的方法，用于针对每个图像对从公共非遮挡区域生成全局特征。该设计至关重要，却常被现有方法忽视。QPM具有三个关键优势：1）在训练或推理阶段均不依赖任何外部工具；2）可处理由物体和其他行人引起的遮挡；3）计算效率极高。在四个流行的遮挡ReID数据库上的实验结果表明，QPM以显著优势持续优于SOTA方法。QPM的代码将公开。
引用
@article{arxiv.2201.00107,
title = {Quality-aware Part Models for Occluded Person Re-identification},
author = {Pengfei Wang and Changxing Ding and Zhiyin Shao and Zhibin Hong and Shengli Zhang and Dacheng Tao},
journal= {arXiv preprint arXiv:2201.00107},
year = {2022}
}