Part-Aligned Bilinear Representations for Person Re-identification 论文笔记

本文提出了一种处理非对齐行人重识别图像的方法,通过构建基于身体部位对齐的双流网络模型,结合外观特征与部位特征,实现了对齐的行人部位表示。模型无需额外的身体部位注释,且在多个数据集上表现出优越性能。
摘要由CSDN通过智能技术生成

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

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值