Interaction-and-Aggregation Network for Person Re-identification
当前的问题及概述:
由于CNNs具有固定的几何结构,其在人的姿态和尺度的巨大变化建模中具有固有的局限性:a展示了同一ID的不同姿态,b展示了小样本或不完全等问题。
由于目前CNN提取特征有以下两种方法,一是定位身体部分,并将其组合起来,但即使是最先进的部分检测解决方案也不是完美的。另一种方法是多尺度特征融合,即在网络的多层上计算特征图。
本文提出了一种通过交互-聚合(IA)的方法,增强了CNNs的特征表示能力,特别是在人体姿态和尺度变化的情况下,对同一身体部位作出反应的相关特征聚集起来。IA包括两个模块:空间交互聚合(SIA)和通道交互聚合(CIA),SIA可以根据输入的人的姿势和比例,自适应地确定感受野,CIA可以有选择地聚合信道特征以增强特征表示,特别是对于小尺度的视觉线索。
模型及loss:
2.1 SIA Module
CIA分为interaction(交互)和aggregation(聚合)两个模块,在交互模块中,将输入reshape为C×M大小,由于涉及相邻位置的patch可以捕捉到更精确的外观,因此本文
2019CVPR之ReID:Interaction-and-Aggregation Network for Person Re-identification
最新推荐文章于 2023-12-25 22:48:11 发布
本文介绍了一种新的交互-聚合(IA)网络结构,用于解决行人重识别中的姿态和尺度变化问题。IA网络包含空间交互聚合(SIA)和通道交互聚合(CIA)模块,SIA能自适应地确定感受野,CIA则增强特征表示,特别是对小尺度视觉线索。实验表明,IA网络在多个数据集上优于现有方法。
摘要由CSDN通过智能技术生成