【论文阅读】Cascade Transformers for End-to-End Person Search

论文地址

论文代码地址

我们提出了用于端到端人员搜索的级联遮挡注意transformer（Cascade Occluded Attention Transformer） 。三阶段级联设计侧重于在第一阶段检测人员，而在随后的阶段同时逐步完善人员检测和重新识别的表示。在每个阶段，被遮挡的注意力变换器在联合阈值上应用更紧密的交集，迫使网络学习从粗到细的姿势/比例不变特征。同时，计算每个检测的遮挡注意力，以区分一个人的标标志或背景。

目录

引言

方法

 由粗到细的embedding模块介绍

基于遮挡的attention transformer

Training and Inference（训练）

---

引言

行人检索目的是从一组场景图像中定位出特定的人。目前存在两步和一步的方法。

两步的方法通常是先检测，然后再进行重识别任务；

一步的方法是一种多任务的端到端框架，同时检测和重识别；

存在的挑战：

1：行人检测主要是学习特征，以便于从背景中区分行人。行人重识别是区分人与人之间的差异性。目前存在的方法如 行人检测任务优先 和 重识别任务优先 （该论文的阅读笔记）通常分配不同的优先等级，这些方法不好平衡两个子任务。

2：尺度和姿态变化使得重识别具有一定难度；特征金字塔和可变形卷积可以解决此类问题，但是特征融合策略易引入噪声；

3：遮挡或模糊造成的难点问题；

解决：

we propose a new Cascade Occluded Attention Transformer (COAT) for end-to-end person search.