분리형 및 메모리 강화 네트워크: 단일 스텝 인물 검색을 위한 효과적인 특징 학습으로 toward

사람 검색의 목적은 장면 이미지에서 쿼리 사람을 탐지하고 매칭하는 것이다. 높은 효율성을 위해, 단일 네트워크를 사용하여 보행자 탐지 및 식별이라는 두 하위 작업을 동시에 처리하는 단계별(One-step) 방법들이 개발되었다. 현재의 단계별 접근법에서는 두 가지 주요한 과제가 존재한다. 하나는 다수의 하위 작업 간 최적화 목표 간의 상호 간섭 문제이고, 다른 하나는 엔드투엔드 학습 시 작은 배치 크기로 인해 식별 특징 학습이 하위 최적화되는 문제이다. 이러한 문제를 해결하기 위해, 분리형 및 메모리 강화 네트워크(DMRNet)를 제안한다. 구체적으로, 다수의 목표 간 갈등을 완화하기 위해 기존의 강하게 결합된 전형적인 파이프라인을 단순화하고, 심층적으로 분리된 다중 작업 학습 프레임워크를 구축한다. 더불어, 식별 특징 학습을 강화하기 위한 메모리 강화 메커니즘을 설계한다. 최근 접근한 인스턴스들의 식별 특징을 메모리 백에 큐잉함으로써, 쌍별 거리 측정 학습을 위한 유사성 쌍 구성이 풍부해진다. 저장된 특징의 인코딩 일관성을 향상시키기 위해, 네트워크의 느린 이동 평균을 활용하여 이러한 특징을 추출한다. 이와 같이 이중 네트워크가 서로를 강화하며 안정적인 해 상태로 수렴하게 된다. 실험 결과, 제안한 방법은 CUHK-SYSU 및 PRW 데이터셋에서 각각 93.2%, 46.9%의 mAP를 달성하여 기존의 모든 단계별 방법들을 초과하였다.