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

要約

遮蔽された人物の再識別 (ReID) の目標は、遮蔽された状況で特定の歩行者を取得することです。
ただし、オクルージョンされた人物 ReID は依然として背景のクラッターと低品質の局所特徴表現に悩まされており、モデルのパフォーマンスが制限されます。
私たちの研究では、PAB-ReIDと呼ばれる新しいフレームワークを導入します。これは、前述の問題に効果的に取り組むためのパートアテンションメカニズムを組み込んだ新しいReIDモデルです。
まず、より正確な人間の部分の注意マップの生成をガイドする人間解析ラベルを導入します。
さらに、背景干渉を抑制しながら、きめ細かい人間の局所特徴表現を生成するためのきめの細かい特徴フォーカサーを提案します。
さらに、クラス内/クラス間の距離を最適化する人間の局所的特徴の学習を監視する部分三重項損失も設計します。
私たち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実施し、私たちのアプローチが既存の最先端の方法よりも優れていることを示しました。

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, Google