軽量型マルチブランチネットワークによる人物再識別

人物再識別（Person Re-Identification）は、複数のカメラまたは同一カメラによる異なる時間・場所で撮影された画像から人物のIDを検索することを目的とする。監視システムから人間と機械の相互作用に至る多岐にわたる視覚応用においてその重要性が高まる中、人物再識別手法は信頼性と高速性を兼ね備える必要がある。近年、性能向上を目的として多数の深層学習アーキテクチャが提案されているが、それらはモデル全体の複雑性を増加させる傾向にある。本研究では、リソース効率の高いOSNetバックボーンを基盤とし、グローバル特徴、部位ベース特徴、チャネル特徴を統合的に扱う軽量なマルチブランチアーキテクチャを提案する。適切なトレーニング手法と設計選択の組み合わせにより、最終的なモデルはCUHK03（ラベル付き）、CUHK03（検出済み）、Market-1501の各データセットにおいて、それぞれ85.1% mAP / 87.2% Rank-1、82.4% mAP / 84.9% Rank-1、91.5% mAP / 96.3% Rank-1という、最先端の性能を達成した。