面向行人搜索的再识别驱动定位精炼
计算机视觉与模式识别
2019-09-19 v1
摘要
行人搜索旨在从未裁剪的场景图像库中定位并识别查询行人。与行人再识别（re-ID）不同，其性能还依赖于行人检测器的定位精度。现有最优方法单独训练检测器，所得边界框对于后续的 re-ID 任务可能并非最优。为缓解此问题，我们提出一种 re-ID 驱动的定位精炼框架，为行人搜索提供精炼后的检测框。具体而言，我们设计了一个可微 ROI 变换层，以有效地从原始图像变换边界框。由此，边界框坐标可由 re-ID 训练而非原始检测任务监督。在此监督下，检测器可生成更可靠的边界框，下游 re-ID 模型可基于精炼后的行人定位产生更具判别力的嵌入。在广泛使用基准上的大量实验结果表明，我们所提方法优于当前最优的行人搜索方法。
引用
@article{arxiv.1909.08580,
title = {Re-ID Driven Localization Refinement for Person Search},
author = {Chuchu Han and Jiacheng Ye and Yunshan Zhong and Xin Tan and Chi Zhang and Changxin Gao and Nong Sang},
journal= {arXiv preprint arXiv:1909.08580},
year = {2019}
}
备注
10 pages, 7 figures. Accepted by ICCV 2019