面向少样本细粒度分类与行人搜索的查询引导网络
计算机视觉与模式识别
2022-09-22 v1
摘要
少样本细粒度分类与行人搜索看似是不同的任务，文献也分别对待。但细察可见重要相似之处：两者都针对只能由特定物体细节区分的类别；且相关模型应泛化至训练时未见过的新类别。我们提出一种适用于两任务的统一新颖查询引导网络（QGN）。QGN 由查询引导的孪生压缩激励子网络（在所有网络层对查询与图库特征重新加权）、用于查询特定定位的查询引导区域提议子网络，以及用于度量学习的查询引导相似度子网络构成。QGN 在若干近期少样本细粒度数据集上取得改进，在 CUB 上大幅超越其他技术。QGN 在行人搜索 CUHK-SYSU 与 PRW 数据集上也具竞争力，我们对此做了深入分析。
引用
@article{arxiv.2209.10250,
title = {Query-Guided Networks for Few-shot Fine-grained Classification and Person Search},
author = {Bharti Munjal and Alessandro Flaborea and Sikandar Amin and Federico Tombari and Fabio Galasso},
journal= {arXiv preprint arXiv:2209.10250},
year = {2022}
}
备注
Accepted at Pattern Recognition Journal 2022