Apprentissage de représentations basées sur les parties du corps pour la réidentification de personnes occluses

La réidentification de personnes occultées (ReID) est une tâche de recherche de personnes visant à apparer des images de personnes occultées avec des images holistiques. Pour résoudre le problème de la réidentification de personnes occultées, les méthodes basées sur les parties du corps ont été jugées bénéfiques car elles fournissent des informations détaillées et sont bien adaptées pour représenter des corps humains partiellement visibles. Cependant, l'entraînement d'un modèle basé sur les parties du corps présente deux défis majeurs. Premièrement, l'apparence individuelle des parties du corps n'est pas aussi discriminante que l'apparence globale (deux identités distinctes peuvent avoir la même apparence locale), ce qui signifie que les objectifs d'entraînement standard de ReID utilisant des étiquettes d'identité ne sont pas adaptés à l'apprentissage des caractéristiques locales. Deuxièmement, les ensembles de données ReID ne sont pas fournis avec des annotations topographiques humaines.Dans cette étude, nous proposons BPBreID, un modèle de ReID basé sur les parties du corps pour résoudre les problèmes mentionnés ci-dessus. Nous concevons tout d'abord deux modules destinés à prédire des cartes d'attention basées sur les parties du corps et à produire des caractéristiques basées sur ces parties pour la cible ReID. Ensuite, nous introduisons GiLt, une nouvelle méthode d'entraînement permettant d'apprendre des représentations basées sur les parties du corps qui sont robustes aux occultations et aux apparences locales non discriminantes.Des expériences approfondies menées sur des ensembles de données holistiques et occultés populaires montrent l'efficacité de notre méthode proposée, qui surpassent les méthodes de pointe actuelles avec une amélioration de 0,7 % en mAP (mean Average Precision) et 5,6 % en précision au rang 1 sur le jeu de données difficile Occluded-Duke. Notre code est disponible à l'adresse suivante : https://github.com/VlSomers/bpbreid.