基于深度的行人识别的循环注意力模型
计算机视觉与模式识别
2016-11-23 v1
摘要
我们提出了一种基于注意力的模型，该模型通过推理人体形状和运动动力学，在无 RGB 信息（即黑暗环境中）的条件下识别个体。我们的方法利用独特的 4D 时空签名来解决跨天的识别问题。该模型被形式化为一个强化学习任务，基于卷积神经网络与循环神经网络的组合，旨在识别出能表征人体身份的小型判别性区域。我们证明，仅给定深度图像，我们的模型在多个已发布的数据集上取得了最先进的结果。我们进一步研究了模型对视点、外观和体型变化的鲁棒性。最后，我们分享了对模型时空注意力的可解释 2D、3D 和 4D 可视化所获得的洞见。
引用
@article{arxiv.1611.07212,
title = {Recurrent Attention Models for Depth-Based Person Identification},
author = {Albert Haque and Alexandre Alahi and Li Fei-Fei},
journal= {arXiv preprint arXiv:1611.07212},
year = {2016}
}
备注
Computer Vision and Pattern Recognition (CVPR) 2016