SBSGAN：抑制跨域背景偏移以提升行人重识别
计算机视觉与模式识别
2019-08-27 v1
摘要
跨域行人重识别（re-ID）因训练与测试域间的偏差而具挑战性。我们观察到，若训练与测试数据集中的背景差异很大，将极大增加提取鲁棒行人特征的难度，从而损害跨域行人重识别性能。本文将此类问题表述为背景偏移问题。提出一种抑制背景偏移生成对抗网络（SBSGAN）以生成背景受抑制的图像。与利用二值掩码简单去除背景不同，SBSGAN 允许生成器决定像素应保留还是抑制，以减少由含噪前景掩码引起的分割错误。此外，我们考虑了与身份相关的线索，如车辆与同伴。借助高质量生成图像，引入了一种带流间密集连接（ISDC）模块的密集关联双流（DA-2S）网络，以加强生成数据与身份相关线索的互补性。实验表明，在跨域行人重识别场景下，所提方法在 Market-1501、DukeMTMC-reID 与 CUHK03 三个 re-ID 数据集上取得了有竞争力的性能。
引用
@article{arxiv.1908.09086,
title = {SBSGAN: Suppression of Inter-Domain Background Shift for Person Re-Identification},
author = {Yan Huang and Qiang Wu and JingSong Xu and Yi Zhong},
journal= {arXiv preprint arXiv:1908.09086},
year = {2019}
}
备注
Accepted by ICCV2019