用于高效行人搜索的序贯端到端网络
计算机视觉与模式识别
2021-03-19 v1
摘要
行人搜索旨在联合解决行人检测与行人重识别（re-ID）。现有工作已基于 Faster R-CNN 设计端到端网络。然而，由于 Faster R-CNN 的并行结构，提取的特征来自区域提议网络生成的低质量提议，而非检测到的高质量边界框。行人搜索是一项细粒度任务，此类劣质特征将显著降低重识别性能。为解决该问题，我们提出一种序贯端到端网络（SeqNet）以提取更优特征。在 SeqNet 中，检测与重识别被视为渐进过程并依次由两个子网络处理。此外，我们设计了一种鲁棒的上下文二部图匹配（CBGM）算法，以有效利用上下文信息作为行人匹配的重要互补线索。在两个广泛使用的行人搜索基准 CUHK-SYSU 和 PRW 上的大量实验表明，我们的方法取得了最先进（SOTA）结果。同时，我们的模型在单块 GPU 上以 11.5 fps 运行，并可轻松集成到现有端到端框架中。
引用
@article{arxiv.2103.10148,
title = {Sequential End-to-end Network for Efficient Person Search},
author = {Zhengjia Li and Duoqian Miao},
journal= {arXiv preprint arXiv:2103.10148},
year = {2021}
}