物体重识别

物体重识别（Object Re-identification，简称Re-ID）是一种计算机视觉任务，旨在通过识别和匹配不同视角或不同时间拍摄的同一物体，从而实现对该物体的再识别。这个任务通常涉及对物体特征进行提取和匹配，以在复杂的环境中准确地识别和跟踪目标。

在物体重识别中，视觉Transformer（ViT）是一种新兴的技术，其通过自注意力机制来处理图像数据。然而，ViT存在一个问题，即它容易过拟合训练数据的特定区域，从而限制了其泛化能力和对整体物体特征的关注。此外，ViT在细粒度特征学习上也不如卷积神经网络（CNN），因为CNN的细粒度策略在ViT中未能有效继承。

为了解决这些问题，提出了一种名为PartFormer的方法。PartFormer结合了一个头部解耦模块（Head Disentangling Block，HDB），旨在克服ViT在物体重识别任务中的粒度限制。具体做法包括：

1. 头部解耦模块（HDB）：该模块通过在多头自注意力的多样化表示中激发不同的特征，而不会因连接和前馈网络层（FFN）的加入而丧失特征丰富性。
2. 头部多样性约束：为避免注意力头的同质化并促进基于部分的特征学习，PartFormer施加了两个多样性约束：注意力多样性约束和相关性多样性约束。这些约束帮助模型利用不同注意力头的多样化和具有区分性的特征表示。

PartFormer在各种物体重识别基准测试上展示了优越的性能。在最具挑战性的MSMT17数据集上，该方法的均值平均精度（mAP）得分比最先进的方法提高了2.4%。这表明PartFormer在处理物体重识别任务时能够有效地提高识别准确率，并解决了ViT在细粒度特征学习方面的不足。因此，PartFormer不仅改善了模型的泛化能力，也提升了整体识别性能，对物体重识别领域的研究和应用具有重要意义。

论文作者：Lei Tan,Pingyang Dai,Jie Chen,Liujuan Cao,Yongjian Wu,Rongrong Ji

作者单位：Xiamen University;Peking University;Peng Cheng Laboratory;Tencent

论文链接：http://arxiv.org/abs/2408.16684v1

内容简介：

1）方向：物体重识别

2）应用：物体重识别

3）背景：虽然视觉Transformer（ViT）在特征表示能力上表现强劲，但由于其倾向于过拟合训练数据的特定区域，这限制了其泛化能力和对整体物体特征的关注。此外，由于CNN和ViT在结构上的差异，CNN中的细粒度策略在ViT中未能有效继承和成功应用。

4）方法：为解决这些问题，本文提出了PartFormer，旨在克服ViT在物体重识别任务中的粒度限制。PartFormer集成了一个头部解耦模块（Head Disentangling Block，HDB），该模块在多头自注意力的多样化表示中激发了不同的特征，而不会因连接和前馈网络层（FFN）的加入而丧失特征丰富性。为了避免注意力头的同质化并促进基于部分的特征学习，PartFormer施加了两个头部多样性约束：注意力多样性约束和相关性多样性约束。这些约束使得模型能够利用不同注意力头的多样化和具有区分性的特征表示。

5）结果：在各种物体重识别基准测试上，PartFormer展示了优越的性能。特别是在最具挑战性的MSMT17数据集上，本框架在mAP（均值平均精度）得分上比最先进的方法提高了2.4%。