Parallel Augmentation and Dual Enhancement for Occluded Person Re-identification

要約

遮蔽された環境で同じ人物の画像を検索するタスクである遮蔽された人物の再識別 (Re-ID) は、過去数十年で多くの注目を集めてきました。
最近のアプローチは、データ/機能の拡張または追加のモデルを使用してオクルージョンを予測することにより、オクルージョンされたデータのパフォーマンスを改善することに集中しています。
ただし、テスト セットの不均衡の問題を無視しており、トレーニング データからの情報を十分に活用していません。
上記の問題を軽減するために、オクルージョンされたデータとオクルージョンされていないデータの両方で堅牢であり、補助的な手がかりを必要としない、Parallel Augmentation and Dual Enhancement (PADE) を使用したシンプルで効果的な方法を提案します。
まず、オクルードされた Re-ID の並列拡張メカニズム (PAM) を設計して、より適切なオクルードされたデータを生成し、不均衡なデータの悪影響を軽減します。
次に、コンテキスト情報と詳細を促進するために、グローバル機能とローカル機能のデュアル拡張戦略 (DES) を提案します。
広く使用されているオクルーデッド データセット (OccludedDuke、Partial-REID、および Occluded-ReID) と非オクルージョン データセット (Market-1501 および DukeMTMC-reID) に関する実験結果は、この方法の有効性を検証しています。
コードはすぐに利用可能になります。

要約(オリジナル)

Occluded person re-identification (Re-ID), the task of searching for the same person’s images in occluded environments, has attracted lots of attention in the past decades. Recent approaches concentrate on improving performance on occluded data by data/feature augmentation or using extra models to predict occlusions. However, they ignore the imbalance problem in the test set and not fully utilize the information from the training data. To alleviate the above problems, we propose a simple but effective method with Parallel Augmentation and Dual Enhancement (PADE) that is robust on both occluded and non-occluded data, and does not require any auxiliary clues. First, we design a parallel augmentation mechanism (PAM) for occluded Re-ID to generate more suitable occluded data to mitigate the negative effects of unbalanced data. Second, we propose the dual enhancement strategy (DES)for global and local features to promote the context information and details. Experimental results on widely used occluded datasets (OccludedDuke, Partial-REID, and Occluded-ReID) and non-occluded datasets (Market-1501 and DukeMTMC-reID) validate the effectiveness of our method. The code will be available soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google