用于换衣行人重识别的语义感知一致性网络
计算机视觉与模式识别
2023-11-20 v3
摘要
换衣行人重识别（CC-ReID）是一项具有挑战性的任务，旨在衣物可能发生变化时跨多个监控摄像头检索目标行人。尽管 CC-ReID 近期取得了进展，现有方法仍受衣物变化的干扰，因为它们缺乏有效的约束以使模型持续关注与衣物无关的区域。为解决此问题，我们提出一种语义感知一致性网络（SCNet），通过提出有效的一致性约束来学习身份相关的语义特征。具体而言，我们通过擦除衣物区域的像素来生成黑衣图像，从而显式减轻衣物变化的干扰。此外，为充分利用细粒度身份信息，引入了头部增强注意力模块，其利用所提出的基于部件的匹配损失学习软注意力图以突出头部信息。我们进一步设计了一种语义一致性损失，以促进高层身份相关语义特征的学习，迫使模型关注语义一致的与衣物无关的区域。通过使用一致性约束，我们的模型在推理阶段不需要任何额外的辅助分割模块来生成黑衣图像或定位头部区域。在四个换衣行人重识别数据集（LTCC、PRCC、Vc-Clothes 和 DeepChange）上的大量实验表明，我们提出的 SCNet 相比先前最先进的方法取得了显著改进。我们的代码可在 https://github.com/Gpn-star/SCNet 获取。
引用
@article{arxiv.2308.14113,
title = {Semantic-aware Consistency Network for Cloth-changing Person Re-Identification},
author = {Peini Guo and Hong Liu and Jianbing Wu and Guoquan Wang and Tao Wang},
journal= {arXiv preprint arXiv:2308.14113},
year = {2023}
}
备注
Accepted by ACM MM 2023