Multi-Scale Body-Part Mask Guide Attention for Person Re-identification

Multi-Scale Body-Part Mask Guide Attention for Person Re-identification

论文:Multi-Scale Boyd-Part Mask Guide Attention for Person Re-identification

论文链接：MMGA

代码：

摘要

背景：由于人的姿态变化，不同的光照、遮挡、错位、背景杂乱等原因，对人的重识别仍然具有挑战性。

贡献：文中提出了一种多尺度身体局部语义掩模引导注意力网络（MMGA)，可以联合全身和局部的注意力，帮助提取全局和局部特征。在MMGA 中，使用身体部位的语义掩模信息来指导相应位置注意力的训练。

模型评估：实验结果表明，该方法可以有效的降低人的姿态估计、不对称和背景杂波的影响。该方法在Market1501数据集实现 rank-1/mPA 的 95%/ 87.2%,在DukeMTMC-reID数据集上实现 rank-1/mAP的89.5% / 78.1%，优于当前的最新方法。

引言

最近的一些研究表明，定位身体重要部位并学习这些信息区域的有鉴别性的特征，可以减少背景杂波和遮挡的负面影响，从而提高ReID 的精度。受到人视觉系统的启发，采用人体掩模指导注意模型训练，将人体从背景中分割出来，然后利用二值掩模对注意力网络进行引导，但通过整个人的掩模来引导注意力可能会抑制局部具有较强反应的有信息的身体部位区域。为此，文中引入了一个多尺度的人体局部掩模引导注意网络。将遮体分为上半身遮体和下半身遮体，分别用于指导上半身注意和下半身注意的训练。如图1所示，提出的网络可以