Gated Siamese Convolutional Neural Network Architecture for Human Re-Identification 게이트드 시아메즈 컨볼루션 신경망 아키텍처를 이용한 사람 재식별

다중 카메라 뷰에서 보행자를 일치시키는 문제, 즉 사람 재식별은 시각 감시 분야에서 다양한 응용을 가진 어려운 연구 주제입니다. 컨벌루션 신경망(CNNs)의 부활과 함께, 사람 재식별을 위해 유사한 쌍(즉, 동일한 정체성)의 이미지를 서로 가깝게 만들고 비슷하지 않은 쌍의 이미지는 멀리 떨어뜨리는 목표로 여러 가지 종단형 딥 시아메즈 CNN 구조가 제안되었습니다. 그러나 현재 네트워크는 다른 이미지와 짝을 이루는 것에 관계없이 각 이미지에 대해 고정된 표현을 추출하며, 다른 이미지와의 비교는 최종 단계에서만 이루어집니다. 이러한 환경에서는 네트워크가 긍정적인 쌍과 어려운 부정적인 쌍을 구분하는 데 필요한 세부적인 로컬 패턴을 추출하지 못할 위험이 있습니다. 본 논문에서는 중간 수준의 특성을 이미지 쌍 간에 비교하여 이러한 미세한 공통 로컬 패턴을 선택적으로 강조하는 게이팅 함수를 제안합니다. 이로 인해 같은 이미지라도 짝을 이루는 다른 이미지에 따라 유연한 표현이 생성됩니다. 우리는 CUHK03, Market-1501 및 VIPeR 데이터셋에서 실험을 수행하고 기존 시아메즈 CNN 구조보다 개선된 성능을 입증하였습니다.