Key points are not available for this paper at this time.
사람 재식별은 여러 감시 카메라 뷰에서 관심 있는 보행자를 식별하는 중요한 작업입니다. 사람 재식별을 위해 보행자는 일반적으로 장면 배경을 포함하는 직사각형 이미지 영역에서 추출된 특징으로 표현되며, 이는 서로 다른 보행자를 구별하는 데 애매함을 가져오고 정확성을 저하합니다. 따라서 우리는 사람 재식별을 위해 전경과 배경을 구별하기 위해 소프트 마스크를 학습하는 종단 간 전경 인식 네트워크를 제안합니다. 우리의 방법에서는 전경에 대한 감독으로 보행자 ID 외에 각 보행자 이미지의 배경 모델링을 위한 카메라 ID를 도입합니다. 전경 분기와 배경 분기는 협력적으로 최적화됩니다. 목표 주의 손실을 제시하여, 전경 분기에서 추출된 보행자 특징은 배경에 대해 더 둔감해지며, 이는 서로 다른 카메라 뷰에서 보행자 매칭에 대한 배경 변화의 부정적인 영향을 크게 줄입니다. 특히, 기존 방법과 달리, 우리의 접근법은 배경 지역을 찾기 위한 인체 랜드마크 감지기 또는 분할 모델을 학습하기 위한 추가 데이터세트를 필요로 하지 않습니다. 시장-1501, 듀크MTMC-reID, MSMT17이라는 세 가지 도전적인 데이터세트에서 수행된 실험 결과는 우리의 접근법의 효과를 입증합니다.
Liu et al. (Fri,)은 이 질문을 연구했습니다.