本文提出了一种在行人搜索中利用Re-ID进行定位细化的方法。研究发现，通过在Re-ID损失的监督下优化检测器，可以生成更精确的边界框，减少背景干扰并恢复丢失的个体属性。主要贡献包括：1) 使用Re-ID训练指导检测器优化边界框；2) 引入可微ROI变换层，使边界框坐标与ID损失同步优化。实验结果显示，这种方法对不同规模的gallery size下的mAP有显著影响。
Paper：Re-ID Driven Localization Refinement for Person Search
Motivation：由于检测任务注重人的共同性，而重新识别任务则关注人与人之间的差异。
更准的框可以排除掉背景非目标人的干扰和，把目标人的丢失的属性信息找回来（比如背包）。
Contribution:
1，在re-ID损失的监督下优化探测器，以生产出可靠的包围盒。
the box coordinates can be supervised by the re-ID training other than the original detection task.
2，引入了differentiable ROI transform layer。通过这个变换使
最低0.47元/天 解锁文章
扫一扫
4431
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
