基于特征变换与自加权注意力的分辨率不变行人重识别
计算机视觉与模式识别
2021-01-19 v2
摘要
行人重识别（ReID）是一项关键的计算机视觉任务，旨在跨图像或视频序列匹配同一行人。当前多数工作聚焦于图像分辨率相同的设定。然而，分辨率是行人ReID中的关键因素，尤其在摄像机距行人距离不同或摄像机型号互异时。本文提出一种新颖的双流网络，包含轻量级分辨率关联ReID特征变换（RAFT）模块与自加权注意力（SWA）ReID模块，以评估不同分辨率下的特征。RAFT将低分辨率特征变换为相应的高分辨率特征。SWA对两类特征进行评估，得到用于行人ReID的权重因子。两模块联合训练以获得分辨率不变的表征。在五个基准数据集上的大量实验表明了本方法的有效性。例如，我们在CAVIAR与MLR-CUHK03上分别取得43.3%与83.2%的Rank-1准确率，优于当前最优（state-of-the-art）方法。
引用
@article{arxiv.2101.04544,
title = {Resolution-invariant Person ReID Based on Feature Transformation and Self-weighted Attention},
author = {Ziyue Zhang and Shuai Jiang and Congzhentao Huang and Richard Yi Da Xu},
journal= {arXiv preprint arXiv:2101.04544},
year = {2021}
}