17日前

人物再識別のためのディープ・アテンション認識特徴学習

Yifan Chen, Han Wang, Xiaolu Sun, Bin Fan, Chu Tang
人物再識別のためのディープ・アテンション認識特徴学習
要約

視覚的注目(Visual attention)は、人物再識別(person re-identification, ReID)の性能向上に有効であることが実証されている。既存の多数の手法では、人物再識別用に特徴マップを再重み付けするための追加の注目マップを学習することで、視覚的注目をヒューリスティックに導入している。しかし、このようなアプローチはモデルの複雑性と推論時間の増加を避けがたく、課題となっている。本研究では、元のネットワーク構造を変更せずに、人物ReIDネットワークに注目学習を追加的な目的関数として組み込む手法を提案する。これにより、推論時間およびモデルサイズを維持しつつ、注目機構の導入が可能となる。本手法では、人物全体と関連する身体部位にそれぞれ注目できる2種類の注目機構を導入した。全体的に、全体的注目ブランチ(Holistic Attention Branch, HAB)により、バックボーンから得られる特徴マップが人物に注目するように学習させ、背景の影響を軽減する。局所的に、部分的注目ブランチ(Partial Attention Branch, PAB)により、抽出された特徴を複数のグループに分離し、それぞれが異なる身体部位(すなわちキーポイント)に対応させる。これにより、ポーズの変化や部分的遮蔽に対する耐性が向上する。これらの注目機構は汎用性が高く、既存のReIDネットワークに容易に組み込むことができる。本手法の有効性を、代表的な2つのネットワーク(TriNetおよびBag of Tricks)を用いて検証した結果、5つの広く用いられているデータセットにおいて顕著な性能向上が確認された。

人物再識別のためのディープ・アテンション認識特徴学習 | 最新論文 | HyperAI超神経