AlignedReID : Dépasser les performances humaines dans la réidentification des personnes

Dans cet article, nous proposons une nouvelle méthode appelée AlignedReID qui extrait une caractéristique globale apprise conjointement avec des caractéristiques locales. L'apprentissage de la caractéristique globale bénéficie grandement de l'apprentissage des caractéristiques locales, qui effectue un alignement/mappage en calculant le plus court chemin entre deux ensembles de caractéristiques locales, sans nécessiter une supervision supplémentaire. Après l'apprentissage conjoint, nous ne conservons que la caractéristique globale pour calculer les similarités entre les images. Notre méthode atteint une précision de rang 1 de 94,4 % sur Market1501 et de 97,8 % sur CUHK03, surpassant largement les méthodes d'état de l'art. Nous évaluons également les performances au niveau humain et démontrons que notre méthode est la première à dépasser les performances humaines sur Market1501 et CUHK03, deux ensembles de données largement utilisés dans le domaine de la reconnaissance de personnes (Person ReID).