AlignedReID: Die Übersteigerung der menschlichen Leistungsfähigkeit bei der Personenerkennung

In dieser Arbeit schlagen wir eine neuartige Methode vor, die AlignedReID genannt wird. Diese Methode extrahiert ein globales Merkmal, das gemeinsam mit lokalen Merkmalen gelernt wird. Das Lernen von globalen Merkmalen profitiert stark vom Lernen von lokalen Merkmalen, die durch Berechnung des kürzesten Pfades zwischen zwei Mengen von lokalen Merkmalen eine Ausrichtung/Übereinstimmung (alignment/matching) durchführen, ohne zusätzliche Aufsicht zu benötigen. Nach dem gemeinsamen Lernen behalten wir nur das globale Merkmal, um die Ähnlichkeiten zwischen Bildern zu berechnen. Unsere Methode erreicht eine Rang-1-Genauigkeit von 94,4 % auf Market1501 und 97,8 % auf CUHK03, was deutlich besser ist als die der bislang besten Methoden. Wir evaluieren auch die menschliche Leistungsfähigkeit und zeigen, dass unsere Methode die erste ist, die die menschliche Leistungsfähigkeit auf den beiden weit verbreiteten Person-ReID-Datensätzen Market1501 und CUHK03 übertrifft.