Learning Feature Recovery Transformer for Occluded Person Re-Identification

分享人：王韬
研究方向：行人重识别
论文题目：Learning Feature Recovery Transformer for Occluded Person Re-Identification
论文作者：Boqiang Xu, Lingxiao He, Jian Liang, Zhenan Sun
作者单位：中国科学院自动化研究所
论文摘要：行人重识别 (Re-ID) 存在的一个主要问题是被拍摄人员的遮挡在所难免。被遮挡行人重识别问题主要面临两个挑战，即特征匹配过程中噪声的干扰和遮挡带来的行人信息丢失。本文提出了一种被称为特征恢复转换器（FRT）的新方法来同时解决这两个挑战，主要包括可见性图匹配和特征恢复转换器。为了减少特征匹配过程中噪声的干扰，我们主要关注出现在两幅图像中的可见区域，并设计一个可见性图来计算相似度。基于所设计的可见性图，对于每幅查询图像，我们设计了一个恢复转换器来解决第二个挑战，它利用图库中其k最近邻的特征集来恢复完整的特征。我们在不同行人重识别数据集（包括遮挡、部分和整体数据集）上进行的大量实验，从而证明了FRT的有效性。具体来说，FRT在具有挑战性的Occluded-Duke数据集上以至少6.2%的Rank-1准确度和7.2%的mAP分数显著优于SoTA方法的结果。
原文链接：

点击此处