17 天前

DiP:用于行人重识别的判别性隐式部件学习

Dengjie Li, Siyu Chen, Yujie Zhong, Lin Ma
DiP:用于行人重识别的判别性隐式部件学习
摘要

在行人重识别(ReID)任务中,许多现有方法通过学习局部特征以提升相较于全局图像特征的性能。现有的方法通常通过手工设计的图像分割方式,或借助外部视觉系统获取的关键点来显式提取局部特征。本文提出一种新型的判别性隐式部件(Discriminative Implicit Parts, DiPs),其与显式的身体部位解耦,因此DiPs能够自主学习任何有助于区分身份的判别性特征,而不仅限于预定义的身体部位(如配饰等)。此外,本文提出一种新颖的隐式位置(implicit position)概念,为每个DiP提供几何意义上的解释,并可作为学习信号,引导DiPs在图像中对身份保持更强的位置等变性(position-equivariance)。最后,引入一种额外的DiP加权机制,以应对遮挡或不可见情况,进一步提升DiPs的特征表达能力。大量实验表明,所提方法在多个主流行人重识别基准上均取得了当前最优的性能。