面向真实场景行人搜索的鲁棒局部匹配
计算机视觉与模式识别
2020-04-21 v1
摘要
遮挡、背景等各种因素会导致检测边界框错位，例如仅覆盖人体部分的框。该问题普遍却被以往行人搜索工作忽视。为缓解此问题，本文提出一种用于行人检测与重识别(reID)的 Align-to-Part 网络(APNet)。APNet 精炼检测边界框以覆盖估计的整体身体区域，从中可提取并对齐有判别力的局部特征。对齐的局部特征自然地将重识别表述为局部特征匹配过程，其中选取有效局部特征计算相似度，而丢弃遮挡或噪声区域上的局部特征。该设计以微小计算开销增强了对真实世界挑战的行人搜索鲁棒性。本文还贡献了真实场景行人搜索大规模数据集(LSPS)，这是迄今最大且最具挑战性的行人搜索数据集。实验表明 APNet 在 LSPS 上带来可观性能提升。同时，它在 CUHK-SYSU 和 PRW 等现有行人搜索基准上取得了有竞争力的性能。
引用
@article{arxiv.2004.09329,
title = {Robust Partial Matching for Person Search in the Wild},
author = {Yingji Zhong and Xiaoyu Wang and Shiliang Zhang},
journal= {arXiv preprint arXiv:2004.09329},
year = {2020}
}
备注
9 pages, 7 figures, accepted to CVPR 2020. The dataset will be released soon