基于一致性注意力孪生网络的人员重识别
计算机视觉与模式识别
2019-04-12 v4 机器学习
摘要
我们提出一种用于人员重识别（re-id）的新深度架构。尽管重识别近期取得诸多进展，用于鲁棒跨视角匹配的空域定位与视角不变表示学习仍是关键未解决问题。我们通过一种称为一致性注意力孪生网络的新注意力驱动孪生学习架构来解决这些问题。与现有竞争方法相比，我们的关键创新包括（a）一个灵活框架设计，仅以身份标签作为监督即可产生注意力；（b）显式机制以强制同一人员图像间的注意力一致性；（c）一个集成注意力与注意力一致性的新孪生框架，产生原则性监督信号以及首个可解释孪生框架预测背后推理的机制。我们在 CUHK03-NP、DukeMTMC-ReID 和 Market-1501 数据集上进行广泛评估并报告了具有竞争力的性能。
引用
@article{arxiv.1811.07487,
title = {Re-Identification with Consistent Attentive Siamese Networks},
author = {Meng Zheng and Srikrishna Karanam and Ziyan Wu and Richard J. Radke},
journal= {arXiv preprint arXiv:1811.07487},
year = {2019}
}
备注
10 pages, 8 figures, 3 tables, to appear in CVPR 2019