极市平台是专业的视觉算法开发和分发平台,加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动!
同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流。点击文末“阅读原文”立刻申请入群~
来源:行人重识别
https://zhuanlan.zhihu.com/p/37931822?utm_source=wechat_session&utm_medium=social
论文地址:https://arxiv.org/abs/1703.07220
数据集地址:
vana77/DukeMTMC-attribute
(https://github.com/vana77/DukeMTMC-attribute)
vana77/Market-1501_Attribute
(https://github.com/vana77/Market-1501_Attribute)
1.论文中为两个大型行人数据集(Market-1501 和 DukMTMC-reID)标注了多种行人属性
2.属性是基于ID-level的,也就是说每个人只标注一套attribute(如是否背包、上衣长袖还是短袖)
3.具体的行人属性如下:
性别 gender male(1), female(2)
头发长短 hair length hairshort hair(1), long hair(2)
袖子长短 sleeve length uplong sleeve(1), short sleeve(2)
下衣长短 length of lower-body clothingdownlong lower body clothing(1), short(2)
下衣类型 type of lower-body clothingclothesdress(1), pants(2)
戴帽子 wearing hathatno(1), yes(2)carrying backpackbackpackno(1), yes(2)
背包 carrying bagbagno(1), yes(2)carrying handbaghandbagno(1), yes(2)
年龄 age ageyoung(1), teenager(2), adult(3), old(4)
8种行人上衣颜色 8 color of upper-body clothingupblack, upwhite, upred, uppurple, upyellow, upgray, upblue, upgreenno(1), yes(2)
9种行人下衣颜色 9 color of lower-body clothingdownblack, downwhite, downpink, downpurple, downyellow, downgray, downblue, downgreen,downbrownno(1), yes(2)
以下是比较直观的示例:
4. 当我们识别两个人是不是一个人的时候,其实不会直接得出答案,而是先看他们的属性,是不是同性,或者说他们是不是穿一样的衣服(短时间内)。这有助于我们得出最后的判断。
5. 另外,属性也可以用于格式化文本生成,以此反过来检索行人。
6. 这个数据集也可以被用在 行人生成的GAN网络中。
1.作者提出数据集的标注方法(ID level的标注)
2.还提出一个baseline 的 attribute 和ID 同时训练的网络
3. 实验部分也有有趣的结论:
属性之前也是有关联的,比如性别和是不是穿裙子(如下图可以发现,基本穿裙子100%是female,有83%是长发)
属性学习有助于行人重识别的精度
定性的实验(学到的attention更广了)
定量的实验(Market 从73.69到 84.29)
哪一个属性帮助最大呢?是不是每个attribute都有助于reid。
可以看到在Market上bag是影响最大的。而hat由于本来数据总量就比较少,加不加这个属性似乎没有显著影响。
而在DukeMTMC-reID上则是鞋子的颜色。这也是make sense的,因为我自己实验也发现attention往往会忽略鞋子(因为CNN也是会偷懒的),而attribute强调了这部分。
在Market-500k上也显示出了良好的性能(其实market做到90多以后,大家可以试试market500k这个难度真的挺大的)
*推荐文章*
每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流。点击左下角“阅读原文”立刻申请入群~