Réseau d'Attention Harmonieuse pour la Ré-identification des Personnes

Les méthodes actuelles de réidentification de personnes (re-id) supposent soit la disponibilité d'images de boîtes englobantes de personnes bien alignées en entrée du modèle, soit s'appuient sur des mécanismes d'attention sélective contraints pour corriger les images mal alignées. Elles sont donc sous-optimales pour la correspondance de réidentification dans des images de personnes arbitrairement alignées, potentiellement avec de grandes variations de posture et des erreurs d'autodétection non contrôlées. Dans ce travail, nous montrons les avantages d'apprendre conjointement la sélection d'attention et la représentation des caractéristiques dans un réseau neuronal convolutif (CNN) en maximisant l'information complémentaire à différents niveaux d'attention visuelle, soumise à des contraintes d'apprentissage discriminatif pour la réidentification. Plus précisément, nous formulons un nouveau modèle de CNN à Attention Harmonieuse (HA-CNN) pour l'apprentissage conjoint d'une attention pixel douce et d'une attention régionale forte, associé à une optimisation simultanée des représentations de caractéristiques, dédié à l'optimisation de la réidentification de personnes dans des images non contrôlées (mal alignées). Des évaluations comparatives approfondies valident la supériorité de ce nouveau modèle HA-CNN pour la réidentification de personnes par rapport à une large variété de méthodes avancées sur trois benchmarks à grande échelle incluant CUHK03, Market-1501 et DukeMTMC-ReID.