Dec, 2023

遮挡下的人物再识别学习中的部件表征学习

PDF
TL;DR提出了一种利用人体解析辅助的 Transformers 解码器构成的 “师生解码器” 框架，用于解决遮挡下的人员重新识别问题，并提出了一个新的基准测试集，该测试集使用非遮挡查询样本，实验证明了该方法的优越性。
occluded person re-identificationtransformer decoderteacher-student decoderhuman parsingnon-occluded queries
发现论文，激发创造
  • 基于自注意力机制的部位感知 Transformer 技术在遮挡人物再识别中的应用

    通过基于变压器编解码器架构的多元部分发现，包括基于像素上下文的变压器编码器和基于部分原型的变压器解码器，我们提出了一种新的端对端的面向部分的变压器，用于处理拥挤情景中受遮挡的人物重识别。实验结果表明，提出的方法在三个任务（受遮挡，部分和整体重识别）的六项基准测试中表现良好。

    Jun, 2021

  • 一种新的被遮挡人员再识别师生学习框架

    本文提出一种教师 - 学生学习框架，通过构建共同显著特征提取网络和跨域模拟器，从全身人的领域中学习抗遮挡模型，并将该知识转移至真实遮挡人体数据以实现更好的人重识别性能。实验结果在四个参考数据集上表明本文方法优于其他最先进的方法。

    Jul, 2019

  • 基于部分注意力模型的遮挡行人重新识别加强

    我们在研究中引入了一种名为 PAB-ReID 的新框架，该框架采用部分注意机制来有效解决背景干扰和低质量本地特征表示等问题，通过引入人体分割标签来生成更准确的人体部分注意力图，提出了一种细粒度特征聚焦器，以生成精细的人体局部特征表示，并抑制背景干扰，同时设计了部分三元损失来监督人体局部特征的学习，优化了类内 / 类间距离，大量实验证明我们的方法胜过现有的最先进方法。

    Apr, 2024

  • 使用 Transformer 隐式学习去噪分离表示，应用于遮挡个体再识别

    通过 DRL-Net 网络的设计，使用 transformer 架构来实现不需要严格的人像对齐或任何额外监督，通过对局部特征的全局推理来完成 occluded re-ID，同时使用对话查询指导 undefined semantic components 的表征分离，并设计 CFL 技术来更好地分离 occlusion 和 discriminative ID 特征，对遮挡现象进行更好的消除。

    Jul, 2021

  • 基于 Transformer 的姿态引导特征解耦用于遮挡行人再识别

    本研究提出了一个基于 Transformer 框架的姿态引导特征去卷积（Pose-guided Feature Disentangling，PFD）方法，通过利用姿态信息来将语义组件（例如人体或关节部位）清晰地去卷积并相应地选择非遮挡部位进行匹配。经过五个具有挑战性的数据集的广泛实验证明，PFD 方法优于同类方法。

    Dec, 2021

  • 深度分层特征稀疏框架对于遮挡人员重新识别的应用

    通过采用分层稀疏化、非参数特征对齐知识蒸馏和噪声遮挡数据增强的方式，提出了一种名为 SUReID 的加速人员再识别框架，以减轻遮挡干扰并加快推理速度，实验证明此框架在快速推理时表现出优秀的性能。

    Jan, 2024

  • 基于姿态引导的部件关系转换器用于遮挡下的人员再识别

    本研究提出了一种用于遮挡场景下的姿势引导的人物 Re-Id 的模型，该模型利用局部特征提取和匹配，引入变换器建立了部分感知的长期相关性。实验表明，所提出的模型在公共的遮挡数据集上取得了新的最先进水平，并在标准的非遮挡人物 Re-Id 数据集上表现出可比较的性能。

    Sep, 2021

  • 面向人员再识别的语义对齐表示学习

    本论文提出了一种通过细致的监督设计，驱动重新识别网络学习语义对齐特征表示的框架，其中包括了一个带编码器（SA-Enc）的 Semantics Aligning Network (SAN) 用于重新识别，以及一个解码器（SA-Dec）用于重建 / 回归密集语义对齐全纹理图像，并在三元组 ReID 约束下增加感知损失，以确保推断的计算效率。该设计取得了基准数据集 CUHK03，Market1501，MSMT17 和部分人物重新 ID 数据集 Partial REID 等的最佳表现。

    May, 2019

  • 人物再识别的人类语义分析

    本论文旨在提高人物再识别的性能。与常见的检测局部特征的方法不同，我们提出采用人类语义分析来提取局部特征，相应的性能得到了大幅提升，并成为了当前最优方法。此外，我们展示了通过简单且有效的训练策略可以使标准的卷积神经网络方法，如 Inception-V3 和 ResNet-152，无需修改即可显著提高人物再识别的性能。

    Mar, 2018

  • 超越人类身体：用于人员再识别的双部分对齐表示

    本文提出了一种基于人体解析模型和自注意力机制获取其它目标区域信息的方法，实现了在三个基准数据集上的最新性能，提高了人物重识别的准确性。

    Oct, 2019