17일 전

딥 어텐션 인지 특징 학습을 통한 개인 재식별

Yifan Chen, Han Wang, Xiaolu Sun, Bin Fan, Chu Tang
딥 어텐션 인지 특징 학습을 통한 개인 재식별
초록

시각적 주의(visual attention)는 사람 재식별(person re-identification, ReID) 성능 향상에 효과적임이 입증되었다. 기존 대부분의 방법들은 사람 재식별을 위해 추가적인 주의 맵(attention map)을 학습하여 특징 맵(feature map)을 재가중하는 방식으로 시각적 주의를 수동적으로 적용한다. 그러나 이러한 접근 방식은 모델의 복잡도와 추론 시간을 불가피하게 증가시킨다. 본 논문에서는 기존 네트워크 구조를 변경하지 않고, 사람 ReID 네트워크 내에 주의 학습을 추가적인 목적함수(objective)로 통합하는 새로운 접근법을 제안한다. 이를 통해 동일한 추론 시간과 모델 크기를 유지하면서도 주의 메커니즘을 효과적으로 도입할 수 있다. 제안된 방법은 전반적인 사람과 관련된 신체 부위에 대한 주의를 각각 인식할 수 있도록 두 가지 유형의 주의를 고려한다. 전역적으로는 전체적인 주의 브랜치(Holistic Attention Branch, HAB)를 도입하여 백본(backbone)이 생성한 특징 맵이 사람 영역에 집중하도록 유도함으로써 배경의 영향을 완화한다. 국소적으로는 부분 주의 브랜치(Partial Attention Branch, PAB)를 도입하여 추출된 특징을 여러 그룹으로 분리하고, 각 그룹이 서로 다른 신체 부위(예: 관절 키포인트)를 별도로 담당하도록 하여 자세 변화와 부분적 가림에 대한 강건성을 높인다. 이러한 두 가지 주의 방식은 보편적 적용이 가능하며, 기존의 다양한 ReID 네트워크에 쉽게 통합할 수 있다. 제안한 방법은 TriNet과 Bag of Tricks와 같은 두 가지 대표적인 네트워크에서 검증되었으며, 널리 사용되는 다섯 개의 데이터셋에서 뚜렷한 성능 향상을 관찰할 수 있었다.