该博客探讨了行人再识别任务中的挑战，提出了一种创新的模型，即水平金字塔匹配（Horizontal Pyramid Matching）。该模型利用pyramid structure结合maxpooling和avgpooling，有效地处理图像中部分身体缺失的问题，提高了特征提取的鲁棒性。实验表明，这种多尺度的分割和混合池化策略优于单一尺度方法，增强了局部和全局信息的捕获能力。
行人再识别问题
行人再识别是一项很具有挑战性的任务，主要因素包括环境因素和行人本身的因素：
（1）环境因素：复杂的背景、光照、获取的图像分辨率等；
（2）行人因素：衣着、姿势、步态等。
之前很难提取到robust的特征，深度学习的发展使特征提取成为可能。
论文方法
[主要思想]
使用多个尺度，将提取到的特征图进行水平划分成bins；将每个bin分别进行平均池化和最大池化，并将两个池化结果整合起来：每个尺度的不同bin池化结果可以连在一起，用作分类。参考下图：
[模型框架]
（1）backbone: 使用resnet50从输入图像提取特征图；使用ImageNet的预训练权重；与resnet50不同在于：conv4_1的步长由2改成1，并且去掉平均池化层和全连接层。
（2）horizontal pyramid pooling: 首先根据scale水平划分特征图：分别进行最大池化和平均池化，两者结果对应相加；通过1*1的卷积核进行降维。
（3）fc + softmax: 使用全连接层和softmax进行分类。
详情见下图：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
