AAAI2024最佳解读|Divide and Conquer Hybrid Pre-training for Person Search-water-merged

论文标题

Divide and Conquer: Hybrid Pre-training for Person Search 分治：用于行人搜索的混合预训练

论文链接

Divide and Conquer: Hybrid Pre-training for Person Search论文下载

论文作者

Yanling Tian, Di Chen, Yunan Liu, Jian Yang, Shanshan Zhang

内容简介

本文提出了一种混合预训练框架，旨在解决行人搜索任务中的数据稀缺问题。行人搜索任务需要同时进行行人检测和重识别，但现有方法通常依赖于ImageNet预训练模型，导致预训练任务与行人搜索任务之间存在显著差距。为此，作者利用行人检测和重识别的子任务数据，设计了一种新的混合学习范式，并引入了任务内对齐模块（IAM）以减轻领域差异。实验结果表明，该框架在多个协议下显著提升了行人搜索的性能，尤其是在mAP指标上相较于传统的ImageNet模型有10.3%的相对提升。该研究为行人搜索领域提供了新的思路和方法，促进了相关技术的发展。

分点关键点

1. 混合预训练框架

   • 本文提出的混合预训练框架专门针对行人搜索任务，利用行人检测和重识别的子任务数据进行预训练。该框架结合了自监督学习和完全监督学习，能够在资源有限的情况下有效提取任务相关知识。

2. 任务内对齐模块（IAM）

   • IAM用于对齐来自不同数据集的特征，以减轻领域差异对模型性能的影响。通过在实例和图像级别上进行对抗性特征对齐，IAM能够提高模型在行人搜索任务中的泛化能力。

3. 实验结果与性能提升

   • 实验表明，使用该混合预训练框架的模型在PRW数据集上相较于传统的ImageNet预训练模型，mAP指标提升了10.3%。这一结果验证了该方法在行人搜索任务中的有效性和优越性。

4. 未来工作展望

   • 本文的研究为行人搜索领域提供了新的思路，鼓励未来的研究者探索更多基于子任务数据的预训练方法，以进一步提升行人搜索的性能和应用范围。

论文代码

代码链接：https://github.com/personsearch/PretrainPS

中文关键词

1. 行人搜索
2. 混合预训练
3. 任务内对齐
4. 行人检测
5. 重识别
6. 领域差异

AAAI论文合集：

AAAI论文合集

希望这些论文能帮到你！如果觉得有用，记得点赞关注哦~ 后续还会更新更多论文合集！！