CVPR 2020 | 旷视提出Re-ID新方法,优化解决遮挡行人重识别问题
为了获得遮挡ReID更加鲁棒的对齐能力,论文《High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification》提出了一种新的框架,来学习具有判别力特征和人体拓扑信息的高阶关系。行人重识别(ReID)任务的目标是去匹配不同摄像机拍摄到的同一个人的图像,它广泛应用于视频分析、智慧城市等领域。虽然人们近来提出了多种针对ReID的方法,然而,它们大多侧重于人的全身图像,忽略了更具挑战性且也是实际应用中经常出现的行人遮挡问题。在该论文方法中,旷视研究院提出了一个新的框架,用于更具判别力的特征学习和鲁棒的特征对齐。在特征学习阶段,研究员通过将一张图像的一组局部特征视为图(graph)的节点(node)来学习关系信息。通过在图中传递信息,因关键点被遮挡而导致的无意义特征问题,可以通过其相邻的有意义的特征进行改善。