Auto-ReID : Recherche d’un ConvNet sensible aux parties pour la réidentification de personnes

Les réseaux de neurones convolutifs profonds (CNN) actuellement prédominants pour la réidentification de personnes (reID) sont généralement basés sur des architectures ResNet ou VGG, qui ont été initialement conçues pour la classification. Étant donné que la réidentification est différente de la classification, l'architecture doit être modifiée en conséquence. Nous proposons une recherche automatique d'une architecture CNN spécifiquement adaptée à la tâche de reID. Trois aspects doivent être abordés. Premièrement, les informations structurales du corps jouent un rôle crucial dans la reID mais ne sont pas encodées dans les backbones. Deuxièmement, la recherche automatique d'architecture neuronale (NAS) automatisera le processus de conception d'architecture sans intervention humaine, mais aucune méthode NAS existante n'intègre les informations structurelles des images d'entrée. Troisièmement, la reID est essentiellement une tâche de recherche par similarité, tandis que les algorithmes NAS actuels sont principalement conçus pour la classification. Pour résoudre ces problèmes, nous proposons un algorithme de recherche basé sur la retrieval au sein d'un espace de recherche spécifiquement conçu pour la reID, nommé Auto-ReID. Notre Auto-ReID permet une approche automatisée pour trouver une architecture CNN efficace et performante pour la reID. Des expériences approfondies montrent que l'architecture recherchée atteint des performances de pointe tout en réduisant de 50 % les paramètres et de 53 % les FLOPs par rapport aux autres méthodes.