Foreground-aware Pyramid Reconstruction for Alignment-free Occluded Person Re-identification

论文：前景感知金字塔重建无对齐遮挡的行人重识别
论文：https://arxiv.org/abs/1904.04975
年份：2019ICCV

1.方法概述

本文提出了一种新颖的Person Re-ID遮挡无对准模型，并将其应用扩展到现实拥挤的场景。所提出的模型

1. 利用无对准模型计算相似性距离：

   • 首先利用全卷积网络（FCN）生成包含空间坐标信息的可辨别空间特征图
   • 其次，通过金字塔池对FCN生成包含空间坐标信息的可辨别空间特征图进行后处理，以提取空间金字塔特征。
   • 然后，利用前景感知型金字塔重建（FPR）准确计算被遮挡行人之前的匹配分数。
     在空间金字塔特征上，FPR利用鲁棒重构的误差来度量两个人之间的相似性

2. 设计一个对遮挡敏感的前景概率生成器，该发生器将更多的注意力放在干净的人体部位上，以减少由遮挡引起的 contamination，从而改进相似度计算。

2.背景

现有人员重新识别（ReID）方法受到普遍存在的行人遮挡问题，使得重识别性能降低，重识别工作面临挑战。
该任务面临挑战一个主要问题是：被捕人员普遍存在的咬合。 （例如，无人超市中的人被货物，架子或其他人遮挡，从而难以追踪他们的运动。） 现有方法大多利用外部线索（例如，人脸，语义分割或姿势估计）来对准检测到的人。 但是，这些方法在严重遮挡的情况下（例如，对象的半身被遮挡）可能无法生成准确的external cues。 此外，不可避免地要花费更多的处理时间来推断这些external cues。其他一些方法，通过使用part-based models，
通过part-to-part matching获得了更好的性能，但是它们需要事先进行严格的人员调整。

3.方法

本文提出了一种新颖的无对齐方法，借助基于前景感知的金字塔重建（FPR）的相似性度量，即使在存在严重遮挡的情况下，也无需事先进行对准即可准确地重新识别人员。

与其他方法不同，利用无对齐模型解决行人重识别中行人遮挡问题。

3.1方法概述

1. 介绍了一种新颖的端到端空间金字塔特征学习体系结构，该体系结构可以处理不同大小和规模的输入行人，并生成判别特征。该结构是由全卷积网络和金字塔池构建的。

   <