面向换衣行人重识别的语义引导像素采样方法
计算机视觉与模式识别
2021-07-27 v1 人工智能
摘要
换衣行人重识别（re-ID）是一个新兴的研究课题，旨在检索更换了衣物的行人。该任务极具挑战性，至今尚未得到充分研究。当前的工作主要关注身体形状或轮廓草图，但由于视角和姿态的变化，这些方法不够鲁棒。该任务的关键在于利用与衣物无关的线索。本文针对换衣行人重识别任务，提出了一种语义引导的像素采样方法。我们并未明确定义要提取哪些特征，而是迫使模型自动学习与衣物无关的线索。具体而言，我们首先识别行人的上装和下装，然后通过从其他行人身上采样像素来随机更换它们。更换后的样本保留了身份标签，但在不同行人之间交换了上装或下装的像素。此外，我们采用了一个损失函数来约束学习到的特征在更换前后保持一致。通过这种方式，模型被迫学习与上装和下装无关的线索。我们在最新发布的 PRCC 数据集上进行了大量实验。我们的方法在 Rank-1 准确率上达到了 65.8%，大幅优于先前的方法。代码可在 https://github.com/shuxjweb/pixel_sampling.git 获取。
引用
@article{arxiv.2107.11522,
title = {Semantic-guided Pixel Sampling for Cloth-Changing Person Re-identification},
author = {Xiujun Shu and Ge Li and Xiao Wang and Weijian Ruan and Qi Tian},
journal= {arXiv preprint arXiv:2107.11522},
year = {2021}
}
备注
This paper has been published on IEEE Signal Processing Letters