注视你：用于基于视频的人员重识别的全局引导互易学习
计算机视觉与模式识别
2021-04-02 v2 人工智能
摘要
基于视频的人员重识别(Re-ID)旨在自动检索非重叠相机下同一人的视频序列。为实现此目标，充分利用视频中丰富的空间与时间线索是关键。现有方法通常聚焦于最显著的影像区域，因此由于图像序列中人的多变性，它们可能轻易遗漏细粒度线索。为解决上述问题，本文提出一种新颖的用于基于视频的人员 Re-ID 的全局引导互易学习(GRL)框架。具体而言，我们首先提出全局引导关联估计(GCE)以生成局部特征与全局特征的特征关联图，其有助于定位用于识别同一人的高关联区域与低关联区域。此后，在全局表示的引导下，判别性特征被解耦为高关联特征与低关联特征。此外，设计了一种新颖的时间互易学习(TRL)机制，以顺序增强高关联语义信息并累积低关联次关键线索。在三个公开基准上进行了广泛实验。实验结果表明，我们的方法能取得优于其他最先进方法的性能。代码发布于 https://github.com/flysnowtiger/GRL。
关键词
引用
@article{arxiv.2103.04337,
title = {Watching You: Global-guided Reciprocal Learning for Video-based Person Re-identification},
author = {Xuehu Liu and Pingping Zhang and Chenyang Yu and Huchuan Lu and Xiaoyun Yang},
journal= {arXiv preprint arXiv:2103.04337},
year = {2021}
}
备注
This is the camera-ready version of our Poster paper in CVPR2021