要約
人物再識別（person re-ID）は主に画像検索問題として捉えられています。このタスクの目的は、大規模な画像データベースからクエリ人物を検索することです。実際には、人物再識別では通常、自動検出器を使用して歩行者の切り抜き画像を取得します。しかし、このプロセスには2種類の検出器の誤差が存在します：背景の過剰と部位の欠落。これらの誤差は歩行者のアライメント品質を低下させ、位置やスケールの変動により歩行者マッチングが損なわれる可能性があります。アライメントのずれ問題に対処するために、我々はアライメントが識別手順から学習できるという提案を行います。歩行者アライメントネットワーク（PAN）を導入し、追加の注釈なしで判別埋め込み学習と歩行者アライメントを可能にします。我々の主要な観察結果は、畳み込みニューラルネットワーク（CNN）が異なるアイデンティティを判別する際に、学習された特徴マップは背景よりも人間の体に強い活性化を示すことが多いということです。提案されたネットワークはこの注意メカニズムを利用して、バウンディングボックス内での歩行者の位置とアライメントを適応的に決定します。視覚的な例では、PANを使用することで歩行者がより正確にアライメントされることが示されています。3つの大規模な再識別データセットにおける実験結果は、PANが特徴埋め込みの判別能力を向上させ、最先端手法と競合する精度を得ることを確認しています。