PPBI:姿势引导的部分注意网络,带有批量信息,用于被封闭的人重新识别身份
Jianhai Cui1, Yiping Chen2, Binbin Deng3
1School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
这项研究引入了一种带有批量信息 (PPBI) 的姿势引导部分注意网络,通过完善关键点关系和建模图像间相互作用来改进被封闭的人重新识别 (ReID). PPBI框架显著提高了对具有挑战性的ReID任务的性能.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 被遮蔽的人重新识别 (ReID) 具有挑战性,因为由于遮蔽引起的缺失外观数据.
- 现有的ReID方法往往忽略了图像批中的关系信息,从而限制了性能.
研究的目的:
- 开发一种新的框架,即带有批量信息的姿势引导部分注意网络 (PPBI),以增强被封闭的ReID的空间和关系学习.
- 为了解决阻塞引起的不一致性,并改善特征提取在人ReID.
主要方法:
- 提出一个节点优化网络 (NON),以完善行人关键点关系并减轻封闭效应.
- 引入一个关键点批次注意 (KBA) 模块,以模拟批次内的图像间相互作用.
- 实施硬挖矿 (CHM) 和批量增强 (BE) 模块的纠正,以处理错误分类并加强注意力.
主要成果:
- PPBI框架在封闭和整体ReID任务方面表现强.
- 在Occluded-Duke数据集上,比HoNeT方法取得了2.7%的mAP改进.
结论:
- 拟议的PPBI框架通过利用空间和关系学习,有效地增强了隐蔽存在的个人ReID.
- PPBI的新型组件NON和KBA显著有助于缓解闭塞挑战并提高ReID的准确性.
