애너치 프리 페르소ン 서치

사람 검색(Person search)은 현실적이고 자르지 않은 이미지에서 쿼리 사람을 동시에 지역화하고 식별하는 것을 목표로 하며, 보행자 검출과 사람 재식별(Person re-identification, re-id)의 통합 작업으로 간주할 수 있다. 기존 대부분의 연구들은 Faster-RCNN과 같은 이단계 검출기(2-stage detector)를 활용하여 높은 정확도를 달성하지만, 계산량이 매우 크다는 단점이 있다. 본 연구에서는 이 도전적인 과제를 효율적으로 해결하기 위한 최초의 앵커-프리(Anchor-free) 프레임워크인 특징 정렬 사람 검색 네트워크(Feature-Aligned Person Search Network, AlignPS)를 제안한다. AlignPS는 앵커-프리 검출기를 이 작업에 적용할 때 발생하는 주요 과제인 다양한 수준(즉, 스케일, 영역, 작업)에서의 정렬 불일치(Misalignment) 문제를 명시적으로 다룬다. 구체적으로, '재식별 우선(Re-id first)' 원칙을 따르며 특징 정렬 집합 모듈(Aligned Feature Aggregation Module)을 제안함으로써, 더 구분력 있고 강건한 특징 임베딩을 생성한다. 이러한 간단한 설계는 CUHK-SYSU 데이터셋에서 기준 앵커-프리 모델의 mAP를 20% 이상 향상시켰다. 또한, AlignPS는 최신의 이단계 방법들보다 높은 성능을 기록하면서도 더 빠른 속도를 제공한다. 코드는 https://github.com/daodaofr/AlignPS 에서 공개되어 있다.