За пределами человеческих частей: двойные представления, выровненные по частям, для повторной идентификации людей

Повторная идентификация людей представляет собой сложную задачу из-за множества комплексных факторов. В недавних исследованиях предпринимались попытки интегрировать результаты сегментации тела человека или внешне заданные атрибуты, чтобы выделять части тела человека или важные области объектов. Вместе с тем существует множество полезных контекстных признаков, которые не относятся к заранее определённым частям тела или атрибутам. В данной работе мы учитываем упущенные контекстные признаки, используя как точно выделенные части тела человека, так и грубо определённые нечеловеческие части. В нашей реализации модель сегментации тела человека применяется для извлечения бинарных масок частей тела, а механизм самообслуживания — для выделения мягких скрытых масок нечеловеческих частей. Эффективность предложенного подхода подтверждается достижением новых наилучших результатов на трёх сложных наборах данных: Market-1501, DukeMTMC-reID и CUHK03. Реализация доступна по адресу: https://github.com/ggjy/P2Net.pytorch.