Part-Attention Based Model Make Occluded Person Re-Identification Stronger

要約

オクルードパーソンの再同定（ReID）の目的は、オクルード状況において特定の歩行者を検索することである。しかし、オクルードパーソンの再同定は、背景の乱れや低品質な局所特徴表現に悩まされており、モデルの性能を制限している。本研究では、PAB-ReIDと呼ばれる新しいフレームワークを導入する。PAB-ReIDは、上記の問題に効果的に取り組むために、部分的な注意メカニズムを組み込んだ新しいReIDモデルである。まず、より正確な人間のパートアテンションマップの生成を導くために、人間の構文解析ラベルを導入する。さらに、背景干渉を抑制しつつ、人間の局所特徴表現をきめ細かく生成するためのきめ細かな特徴フォーカサーを提案する。さらに、人間の局所特徴の学習を監督するために、クラス内／クラス間距離を最適化するパートトリプレット損失を設計する。我々は、特殊なオクルージョンと通常のReIDデータセットに対して広範な実験を行い、我々のアプローチが既存の最先端手法を凌駕することを示した。

要約(オリジナル)

The goal of occluded person re-identification (ReID) is to retrieve specific pedestrians in occluded situations. However, occluded person ReID still suffers from background clutter and low-quality local feature representations, which limits model performance. In our research, we introduce a new framework called PAB-ReID, which is a novel ReID model incorporating part-attention mechanisms to tackle the aforementioned issues effectively. Firstly, we introduce the human parsing label to guide the generation of more accurate human part attention maps. In addition, we propose a fine-grained feature focuser for generating fine-grained human local feature representations while suppressing background interference. Moreover, We also design a part triplet loss to supervise the learning of human local features, which optimizes intra/inter-class distance. We conducted extensive experiments on specialized occlusion and regular ReID datasets, showcasing that our approach outperforms the existing state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL