要約
既存の人物再識別（re-id）手法は、モデル入力として整列された人物のバウンディングボックス画像が利用可能であることを前提としたり、制約付きの注意選択メカニズムに依存してずれのある画像を補正したりします。そのため、大きな人体姿勢の変動や自由な自動検出エラーを含む任意の位置合わせが行われた人物画像でのre-idマッチングには最適ではありません。本研究では、異なる視覚的注意レベルの補完情報を最大化しながらre-id識別学習制約を満たすことで、注意選択と特徴表現をCNN内で共同で学習することの利点を示します。具体的には、ソフトピクセル注意とハード領域注意の共同学習および特徴表現の同時最適化に焦点を当て、制御不能（ずれがある）画像での人物再識別を最適化する新しい調和的な注意CNN（Harmonious Attention CNN: HA-CNN）モデルを提案します。広範な比較評価により、CUHK03、Market-1501、DukeMTMC-ReIDという3つの大規模ベンチマークにおいて、この新しいHA-CNNモデルが多くの最先端手法に対して優れていることが確認されました。