通过自适应采样实现锐利注意力网络用于行人重识别
计算机视觉与模式识别
2018-09-27 v2
摘要
本文中，我们提出新颖的锐利注意力网络，通过从卷积神经网络（CNNs）自适应采样特征图来解决行人重识别（re-ID）问题。由于引入了基于采样的注意力模型，所提方法能自适应生成更锐利的注意力感知特征掩码。这与依赖软门控函数选择相关特征用于行人重识别的基于门控的注意力机制大不相同。相反，所提基于采样的注意力机制使我们能够通过强制所得特征掩码聚焦于最具判别性的特征，有效剪除不相关特征。它能产生更锐利的注意力，更果断地定位与跨摄像头行人重识别相关的细微特征。为此，采用可微的 Gumbel-Softmax 采样器来近似伯努利采样以训练锐利注意力网络。大量实验评估证明了这一新锐利注意力模型在三个具挑战性基准（包括 CUHK03、Market-1501 和 DukeMTMC-reID）上优于其他最先进方法。
引用
@article{arxiv.1805.02336,
title = {Sharp Attention Network via Adaptive Sampling for Person Re-identification},
author = {Chen Shen and Guo-Jun Qi and Rongxin Jiang and Zhongming Jin and Hongwei Yong and Yaowu Chen and Xian-Sheng Hua},
journal= {arXiv preprint arXiv:1805.02336},
year = {2018}
}
备注
accepted by IEEE Transactions on Circuits and Systems for Video Technology(T-CSVT)