초록
사람 재식별(Person re-identification, reID)은 일반적으로 다수의 카메라에서 촬영된 이미지 집합에서 관심 대상인 사람의 이미지를 검색하는 것을 목표로 한다. 최근의 reID 기법들은 신체 부위를 설명하는 국소적 특징과 사람 이미지 자체의 전역적 특징을 함께 활용함으로써, 신체 부위가 일부 손실된 경우에도 강건한 특징 표현이 가능함을 보여주었다. 그러나 신체 부위 간의 관계를 고려하지 않고 개별 부위 수준의 특징을 직접 사용할 경우, 동일한 부위에서 유사한 특성을 가진 다른 사람들을 구분하는 데 어려움이 발생한다. 이 문제를 해결하기 위해, 본 연구에서는 개별 신체 부위와 나머지 부위 간의 관계를 고려하는 새로운 관계 네트워크를 제안한다. 제안하는 모델은 단일 부위 수준의 특징이 다른 부위들로부터 부분적인 정보를 포함하도록 하여, 더 구분력 있는 특징 표현을 가능하게 한다. 또한, 사람 이미지의 전역적 특징을 추출하기 위해 전역 대조 풀링(Global Contrastive Pooling, GCP) 기법을 도입한다. 기존의 최댓값 풀링과 평균 풀링 기법을 보완하기 위해, GCP에서는 대조적 특징(contrastive features)을 활용한다. 실험 결과, 제안한 모델은 Market1501, DukeMTMC-reID, CUHK03 데이터셋에서 최신 기법들을 능가하며, 구분력 있는 사람 표현에 대한 본 연구의 효과를 입증한다.