Paper Reading: Attention-Aware Compositional Network for Person Re-identification

Paper Reading Note

URL:
https://arxiv.org/pdf/1805.03344.pdf

TL;DR

cvpr2018的一篇文章
提出了处理reid中misalignment与occlusion问题统一的框架：用pose-guided part attention解决不同姿势身体区域识别问题；用pose-guided visibility score解决遮挡区域识别问题。

Algorithm

模型框架如下：

模型由两部分组成：

1. Pose-guided Part Attenion(PPA):把人体特征划分成rigid区域、线性区域和点区域，分别构建attention模型。Attention map上的强度值表明了每个部分的可见程度，通过该值可以定义用来衡量不同身体部分重要性的global visibility score。
2. Attention-aware Feature Composition(AFC):先用GoogleNet提取特征，再与ppa的rigid特征和non-rigid特征结合，最后针对姿势的变化以及遮挡情况，对人体的部分进行自适应调整匹配。

Experiment Results

在market-1501数据集上Rank-1Acc和Map结果如下：

Thoughts

最有意义的地方在于用attention模型来对人物的特征进行提取，大量实验证明结果很不错。同时本文对于遮挡程度的衡量也有一定借鉴意义。