Vers une découverte riche de caractéristiques avec l'augmentation des cartes d'activation de classe pour la ré-identification de personnes

Le défi fondamental de la faible variation inter-personnelle nécessite des modèles de ré-identification de personnes (Re-ID) pour capturer des informations suffisamment détaillées. Cet article propose de découvrir des indices visuels discriminatoires divers sans assistance supplémentaire, par exemple, l'estimation de pose, la segmentation humaine. Plus précisément, un modèle d'augmentation des cartes d'activation de classe (CAM) est proposé pour élargir le champ d'activation du modèle Re-ID de base afin d'explorer des indices visuels riches, où le réseau de base est étendu par une série de branches ordonnées qui partagent la même entrée mais produisent des CAM complémentaires. Une nouvelle pénalité d'activation chevauchante est proposée pour forcer la nouvelle branche à prêter plus attention aux régions de l'image moins activées par les anciennes, de sorte que des caractéristiques visuelles diversifiées spatialement puissent être découvertes. Le modèle proposé atteint des résultats de pointe sur trois bancs d'essai de ré-identification de personnes. De plus, une approche de visualisation appelée carte d'activation de classement (RAM) est proposée pour interpréter explicitement les résultats de classement dans la phase de test, ce qui fournit des validations qualitatives de la méthode proposée.