多尺度身体部位面罩引导注意网络进行人员重新识别

人员重新识别需要在来自不同相机并具有不同背景，角度或位置的多个图像中自动识别同一个人。尽管最近在人工智能(AI)领域取得了进展，但人员重新识别仍然是一项极具挑战性的任务，特别是由于人的姿势有很多变化，以及与照明，遮挡，错位和背景杂乱相关的其他差异。

美国苏宁研发中心的研究人员最近开发了一种基于多尺度身体部位掩模引导注意网络(MMGA)的人员重新识别技术。他们的论文预先发布在arXiv上，将于6月份的2019年CVPR研讨会聚焦演示期间发表。

“人们重新识别正在成为一项越来越重要的任务，因为它具有广泛的潜在应用，例如刑事调查，公共安全和图像检索，”进行这项研究的研究人员之一的Honglong Cai告诉TechXplore。“然而，由于遮挡，错位，姿势变化和背景杂乱，它仍然是一项具有挑战性的任务。在我们最近的研究中，我们的团队试图开发一种方法来克服这些挑战。”

蔡和他的同事没有关注整个图像，而是开发了一个人物重新识别的模型，只关注感兴趣的人，忽略了背景。将这一想法更进一步，他们的模型分析给定图像中人的不同身体部位。

“为了实现我们的想法，我们创造性地提出了一个多尺度的身体部分面具引导注意网络，”蔡说。“我们应用身体面具来指导我们模型的训练，以便它可以更多地关注图像中的人体。我们的模型包含两个部分：特征提取器和注意模块。”

由蔡和他的同事设计的模型的特征提取器组件可以从图像中提取人体的辨别特征。另一方面，模型的注意模块引导MMGA网络，突出显示应该密切注意的图像区域(即像素)。

研究人员使用身体面具来指导模型注意模块的训练，因为这样可以让人体识别背景信息。此外，他们将身体面罩分成上身和下身面罩，以便注意模块可以学会区分人体的上部和下部。

“与大多数现有人重新识别方法不同，将图像分割成固定的幻灯片，我们的模型可以确切地分辨上半身和下半身的位置，”蔡解释道。“此外，身体面罩仅用于训练阶段，我们在推理阶段不需要身体面罩，这使我们的模型在实际应用中非常有效。”

为了评估他们的模型，Cai和他的同事进行了一系列实验，测试其在两个数据集上的表现，即Market-1501和DukeMTMC-reID数据集。他们发现，他们的模型可以减少人的姿势，错位和背景杂乱的变化的负面影响，优于最先进的重新识别方法。

研究人员收集的研究结果表明，注意机制可以显着提高人员重新识别网络的准确性。此外，他们的研究介绍了一种可以进一步提高这种准确性的面罩指导注意训练方法

“在我们最近的工作中，上身面罩和下身面罩被用来指导注意模块的训练，”蔡说。“将来，我们希望尝试将身体面具分成更精细的细节，如头部，手部，手臂，腿部等，因为这可以进一步提高人员重新识别的准确性。”