LRDNN：基于局部重定义的深度神经网络用于属性识别的人的再识别

LRDNN：基于局部重定义的深度神经网络用于属性识别的人的再识别

周秦琴、钟彬能、兰香园、孙干、张玉伦、苟梦然

第二十八届国际人工智能联合会议记录
正线。第1041-1047页。https://doi.org/10.24963/ijcai.2019/146
近年来，姿势或属性信息被广泛用于解决人的再识别（re-ID）问题。然而，姿势或属性模块的不准确输出将影响最终的人员重新识别性能。由于re-ID、姿态估计和属性识别都是基于人的外表信息，我们提出了一种基于局部细化的深度神经网络（LRDNN）来聚合姿态估计和属性识别，以提高re-ID的性能。为此，我们添加了一个姿势分支来提取局部空间信息，并在人员身份和属性目标上优化整个网络。为了减少不稳定姿态估计带来的负面影响，引入了一种称为通道解析块（CPB）的新结构来学习姿态分支中不同特征通道上的权重。然后将两个分支与紧双线性池相结合。在Market1501和DukeMTMC-reid数据集上的实验结果说明了所提出方法的有效性。
关键词：
计算机视觉：识别：检测、分类、索引、匹配、检索、语义解释
计算机视觉：计算机视觉