面向行人重识别的语义对齐表示学习
计算机视觉与模式识别
2020-03-19 v3
摘要
行人重识别（reID）旨在匹配行人图像以检索具有相同身份的那些图像。这是一项具有挑战性的任务，因为待匹配图像由于人体姿态与拍摄视角的多样性、可见身体的不完整（由于遮挡）等，通常在语义上未对齐。本文中，我们提出一种通过精细监督设计驱动 reID 网络学习语义对齐特征表示的框架。具体而言，我们构建了一个语义对齐网络（SAN），其由作为 re-ID 编码器的基网络（SA-Enc）和用于重建/回归密集语义对齐完整纹理图像的解码器（SA-Dec）组成。我们在行人重识别与对齐纹理生成的监督下联合训练 SAN。此外，在解码器处，除重建损失外，我们在特征图上添加三元组 reID 约束作为感知损失。推理时丢弃解码器，因此我们的方案计算高效。消融研究证明了我们设计的有效性。我们在基准数据集 CUHK03、Market1501、MSMT17 以及局部行人重识别数据集 Partial REID 上取得了最先进的性能。我们提出方法的代码见：https://github.com/microsoft/Semantics-Aligned-Representation-Learning-for-Person-Re-identification。
引用
@article{arxiv.1905.13143,
title = {Semantics-Aligned Representation Learning for Person Re-identification},
author = {Xin Jin and Cuiling Lan and Wenjun Zeng and Guoqiang Wei and Zhibo Chen},
journal= {arXiv preprint arXiv:1905.13143},
year = {2020}
}
备注
Thirty-Fourth AAAI Conference on Artificial Intelligence (AAAI-20), code has been released