实验室关于行人再识别的工作被IEEE TNNLS接收

近日，实验室关于行人再识别的工作被IEEE TNNLS接收。IEEE TNNLS全称为IEEE Transactions on Neural Networks and Learning Systems，是机器学习领域的国际期刊之一，2019年的影响因子为8.793。论文信息如下：

Ruibing Hou, Bingpeng Ma, Hong Chang, Xinqian Gu, Shiguang Shan and Xilin Chen, “IAUnet: Global Context-Aware Feature Learning for Person Re-Identification”, IEEE Transactions on Neural Networks and Learning Systems, 2020. (Accepted).

对于行人再识别任务，由于检测误差行人序列中通常存在其他行人身份的干扰帧，并且不同身份的行人可能存在相似的部件。针对这个问题，我们提出利用行人序列的全局上下文信息去修正局部的干扰从而增强目标特征表示。具体来说，我们重新设计了时空交互整合模块。如下图所示，我们首先利用部件检测单元提取每个部件的特征，然后对不同部件的特征进行交互整合。其中，空间的交互整合首先对帧内的不同部件的关系进行建模，得到空间关联矩阵，再根据空间关联矩阵自适应融合不同部件的信息。通过融入不同部件的信息，使得每一个部件具有全局的信息，从而缓解了相似的局部部件造成的干扰。时序的交互整合模块首先对帧间的相同部件进行建模，得到时序关联矩阵，再根据时序关联矩阵融合不同帧的部件信息。通过融入相邻帧的信息，使得干扰帧的特征逐步更新为目标行人的特征，从而缓解干扰帧的影响。我们提出的空间交互模块可以嵌入到任意网络中形成最终用于行人再识别的空间交互网络。我们的方法在常用的行人再识别数据集上都取得了好的性能。

相关论文信息：

[1] Ruibing Hou, Bingpeng Ma, Hong Chang, Xinqian Gu, Shiguang Shan and Xilin Chen. IAUnet: Global Context-Aware Feature Learning for Person Re-Identification, IEEE Transactions on Neural Networks and Learning Systems (TNNLS), 2020. (Accepted).

[2] Ruibing Hou, Bingpeng Ma, Hong Chang, Xinqian Gu, Shiguang Shan and Xilin Chen. Interaction-and-Aggregation Network for Person Re-identification, IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2019.