0
点赞
收藏
分享

微信扫一扫

遮挡行人重识别论文阅读(2020)

Xin_So 2022-04-16 阅读 82

1.High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification(CVPR2022,中科院自动化所,旷视)

模型由三大部分组成:

1.一阶语义信息的提取(semantic feature):

使用一个CNN骨干网络得到feature map和姿态估计器得到关键点heat map,利用heat map对feature map进行加权池化得到k个关键点特征和1个全局特征,Vs((k+1)*d)

2.高阶关系学习(方向自适应的图卷积层)(relation feature)

图的紧邻矩阵的定义:首先计算一个差异特征矩阵Aadp,每个点跟其他节点权重都相同,权重与当前节点跟全局节点的差成负相关。使用差异特征矩阵Aadp跟预先设定的邻接矩阵A相乘,得到最终的邻接矩阵。并结合了残差网络的思想,利用图卷积求得高阶关系特征Vr((k+1)*d)

3.高阶人类拓扑学习(图匹配策略)(topology feature)

 对于输入的特征对,利用图匹配策略(GM)得到匹配矩阵U,相互融合信息得到输出特征

                        

 4.损失

利用CNN和姿态估计提取的K+1个semantic特征,计算id和triplet损失
利用图卷积提取的K+1个relation特征,计算id和triplet损失
利用图匹配提取的topology特征对,计算对比损失,也就是二分类交叉熵


5.匹配

先计算query与所有样本的realtion特征的距离,之后对topk特征计算topology特征距离,进行加权。

举报

相关推荐

0 条评论