一、提出问题
行人身体各部位的对齐对于行人重识别问题是非常重要的,但实际上行人重识别的图像数据绝大多数是非对齐的,所以如何处理这种非对准的情况是本论文研究的重点。
二、论文贡献
- 提出一个基于身体部位对齐的双流网络模型,该模型可以将人体姿势表示为部分特征图,并将它们直接与外观整体特征图结合以计算对齐的行人部位表示;
- 训练网络不需要对行人重识别数据集进行任何身体部位注释。相反,本文使用预训练的权重简单地初始化部位特征图生成流,而预训练的权重是从标准姿势估计数据集训练得到的;
- 通过大量实验验证了本文方法提高了基线的准确性,并在标准图像数据集Market-1501,CUHK03,CUHK01和DukeMTMC以及一个标准视频数据集MARS上展现了优越的性能。
三、模型结构
图3-1 模型结构图
输入:图像I
输出:部位对齐的特征表示f
模型包括一个双流网络和一个聚合模块,双流网络包含两个单独的子网络,即外观图提取器A和部分图提取器P,它们分别提取外观图A和部位图P. 通过双线性池聚合两种类型的映射以生成部分对齐