DiP: تعلّم الأجزاء الضمنية التمييزية لتحديد الهوية الشخصية

في مهام التعرف على الأشخاص في الصور (ReID)، يستكشف العديد من الأبحاث تعلم ميزات الأجزاء لتحسين الأداء مقارنةً بخصائص الصورة الشاملة. تعتمد الطرق الحالية على استخراج ميزات الأجزاء بشكل صريح إما من خلال تقسيم الصورة المُصمَّم يدويًا أو باستخدام نقاط المفاتيح المستخلصة من أنظمة بصرية خارجية. في هذا العمل، نقترح تعلم أجزاء صريحة تمييزية (DiPs) التي تُفصل عن الأجزاء الجسدية الصريحة. وبالتالي، يمكن لـ DiPs تعلُّم استخراج أي ميزات تمييزية يمكن أن تساعد في التمييز بين الهويات، بما يتجاوز الأجزاء المُحددة مسبقًا (مثل الإكسسوارات). علاوةً على ذلك، نقترح موضعًا ضمنيًا جديدًا لتقديم تفسير هندسي لكل DiP. ويمكن لهذا الموضع ضمنيًا أن يعمل كإشارات تعلُّم لتشجيع DiPs على أن تكون أكثر تكافؤًا في الموضع بالنسبة للهوية في الصورة. وأخيرًا، تم إدخال وزن إضافي لـ DiPs لمعالجة الحالات التي تكون فيها الأجزاء غير مرئية أو محجوبة، مما يُحسّن بشكل إضافي تمثيل الميزات لـ DiPs. أظهرت التجارب الواسعة أن الطريقة المقترحة تحقق أداءً متقدمًا جدًا على عدة معايير معيارية لـ ReID للأشخاص.