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
-
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
-
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
-
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。
-
<