[논문 리뷰] Attention-Aware Compositional Network for Person Re-identification

Jing Xu, Rui Zhao외 3명|arXiv (Cornell University)|2018. 05. 09.

Video Surveillance and Tracking Methods참고 문헌 36인용 수 82

한 줄 요약

이 논문은 사람 재식별 성능을 향상시키기 위해 주의(attention)-인식 가능한 합성 네트워크를 제안했고, CUHK03-NP 및 DukeMTMC-reID에서 평가된다.

ABSTRACT

Person re-identification (ReID) is to identify pedestrians observed from different camera views based on visual appearance. It is a challenging task due to large pose variations, complex background clutters and severe occlusions. Recently, human pose estimation by predicting joint locations was largely improved in accuracy. It is reasonable to use pose estimation results for handling pose variations and background clutters, and such attempts have obtained great improvement in ReID performance. However, we argue that the pose information was not well utilized and hasn't yet been fully exploited for person ReID. In this work, we introduce a novel framework called Attention-Aware Compositional Network (AACN) for person ReID. AACN consists of two main components: Pose-guided Part Attention (PPA) and Attention-aware Feature Composition (AFC). PPA is learned and applied to mask out undesirable background features in pedestrian feature maps. Furthermore, pose-guided visibility scores are estimated for body parts to deal with part occlusion in the proposed AFC module. Extensive experiments with ablation analysis show the effectiveness of our method, and state-of-the-art results are achieved on several public datasets, including Market-1501, CUHK03, CUHK01, SenseReID, CUHK03-NP and DukeMTMC-reID.

연구 동기 및 목표

• 다양한 외관과 시점에서 강건한 사람 재식별을 동기 부여한다.
• 정확한 식별을 위해 특징을 구성하는 주의 기반 아키텍처를 개발한다.
• CUHK03-NP 및 DukeMTMC-reID 데이터셋을 활용하여 효과를 입증한다.
• 주의 가이드가 재식별 작업에서 특징 표현을 어떻게 향상시킬 수 있는지 탐구한다.

제안 방법

• 사람 재식별을 위한 주의-인식 합성 네트워크 아키텍처를 도입한다.
• 신체 부위 간 특징 구성을 유도하기 위해 주의 메커니즘을 적용한다.
• 강인한 신원 표현을 위해 로컬 및 글로벌 단서를 통합하는 합성 전략을 활용한다.
• 재식별 벤치마크에 적합한 학습 전략으로 네트워크를 최적화한다.
• 표준 데이터셋에서 모델을 평가하여 기준선 대비 향상을 입증한다.

실험 결과

연구 질문

• RQ1 주의 기반 특징 구성이 사람 재식별 성능에 미치는 영향은 무엇인가?
• RQ2 자세, 조명 및 시점 변화에 대한 강건성을 주의 인식 합성 접근법이 향상시킬 수 있는가?
• RQ3 제안된 방법이 CUHK03-NP 및 DukeMTMC-reID에서 기존 재식별 방법과 어떻게 비교되는가?

주요 결과

• 제안된 네트워크는 표준 벤치마크에서 재식별 성능이 향상되었다.
• 주의 가이드 구성이 어려운 조건에서 신원 간 구분을 향상시킨다.
• 이 방법은 CUHK03-NP 및 DukeMTMC-reID 데이터셋에서 효과를 보여준다.
• 이 방법은 주의 메커니즘을 통해 로컬 및 글로벌 단서를 통합하여 강건한 표현을 제공한다.