【person search】Re-ID Driven Localization Refinement for Person Search

PaperRe-ID Driven Localization Refinement for Person Search

 

Motivation:由于检测任务注重人的共同性,而重新识别任务则关注人与人之间的差异。

更准的框可以排除掉背景非目标人的干扰和,把目标人的丢失的属性信息找回来(比如背包)。

 

Contribution:

1,在re-ID损失的监督下优化探测器,以生产出可靠的包围盒。

the box coordinates can be supervised by the re-ID training other than the original detection task.

2,引入了differentiable ROI transform layer。通过这个变换使bbox和接ID loss,并且可导。

 

论文框架

【person search】Re-ID Driven Localization Refinement for Person Search_第1张图片

分类loss训bbox,triplet loss训ID

 

3.1. ROI transform layer

把图像映射为统一大小

目的是:param fixed可以把bbox接softmax,coordinate可导

【person search】Re-ID Driven Localization Refinement for Person Search_第2张图片

 

3.3. Proxy Triplet Loss

三元组损失不适用于person search ,因此做了点改动

由于没有positive pairs, s使用proxy table来储存positive,negative sample

 

实验结果

【person search】Re-ID Driven Localization Refinement for Person Search_第3张图片

 

不同gallery size对mAP的影响

【person search】Re-ID Driven Localization Refinement for Person Search_第4张图片


bbox结果

【person search】Re-ID Driven Localization Refinement for Person Search_第5张图片

 

 

你可能感兴趣的:(行人重识别)