Top-DB-Net：用于行人重识别中激活增强的 Top DropBlock
计算机视觉与模式识别
2020-10-13 v1
摘要
行人重识别是一项具有挑战性的任务，旨在跨非重叠相机系统检索查询图像的所有实例。由于视角存在各种极端变化，可用于匹配行人的局部区域常被抑制，导致方法不得不基于信息量较少的区域评估图像相似度。本工作中，我们引入 Top-DB-Net，一种基于 Top DropBlock 的方法，推动网络学习聚焦场景前景，特别侧重最具任务相关性的区域，同时编码低信息区域以提供高判别性。Top-DB-Net 由三条流组成：（i）全局流从骨干网络编码丰富图像信息，（ii）Top DropBlock 流促使骨干网络以高判别特征编码低信息区域，（iii）正则化流有助于处理第二流丢弃过程产生的噪声，测试时使用前两条流。在三个具挑战性数据集上的大量实验展示了我们的方法相对于 SOTA 方法的能力。定性结果表明我们的方法展现出更好的激活图，聚焦于输入图像的可靠部分。
关键词
引用
@article{arxiv.2010.05435,
title = {Top-DB-Net: Top DropBlock for Activation Enhancement in Person Re-Identification},
author = {Rodolfo Quispe and Helio Pedrini},
journal= {arXiv preprint arXiv:2010.05435},
year = {2020}
}
备注
Accepted on 25th International Conference on Pattern Recognition (ICPR2020)