Deep Attention Aware Feature Learning for Person Re-Identification

Die visuelle Aufmerksamkeit hat sich als wirksam erwiesen, um die Leistung von Person-Re-Identifikation (ReID) zu verbessern. Die meisten bestehenden Methoden wenden die visuelle Aufmerksamkeit heuristisch an, indem sie eine zusätzliche Aufmerksamkeitskarte lernen, um die Merkmalskarten für die Person-ReID neu zu gewichten. Diese Vorgehensweise erhöht jedoch unweigerlich die Modellkomplexität und die Inference-Zeit. In diesem Paper schlagen wir vor, das Lernen von Aufmerksamkeit als zusätzliche Ziel-Funktionen in ein bestehendes Person-ReID-Netzwerk zu integrieren, ohne die ursprüngliche Architektur zu verändern, wodurch die gleiche Inference-Zeit und Modellgröße beibehalten werden. Zwei Arten von Aufmerksamkeit werden betrachtet, um die gelernten Merkmalskarten jeweils auf die Person und die zugehörigen Körperteile auszurichten. Global wird ein ganzheitlicher Aufmerksamkeitszweig (HAB) eingesetzt, der sicherstellt, dass die durch den Backbone erzeugten Merkmalskarten sich auf die Person konzentrieren, um den Einfluss des Hintergrunds zu verringern. Lokal wird ein partieller Aufmerksamkeitszweig (PAB) implementiert, der die extrahierten Merkmale in mehrere Gruppen aufteilt und jeder Gruppe jeweils unterschiedliche Körperteile (d. h. Schlüsselpunkte) zuordnet, wodurch die Robustheit gegenüber Pose-Variationen und partiellen Verdeckungen erhöht wird. Diese beiden Aufmerksamkeitsansätze sind universell und können nahtlos in bestehende ReID-Netzwerke integriert werden. Wir haben die Leistung an zwei typischen Architekturen (TriNet und Bag of Tricks) evaluiert und beobachteten eine signifikante Verbesserung der Ergebnisse auf fünf weit verbreiteten Datensätzen.