近日，实验室关于行人再识别的工作被IEEE TPAMI接收。IEEE TPAMI的全称为IEEE Transactions on Pattern Analysis and Machine Intelligence，是CCF推荐的人工智能领域A类期刊，2021年SCI影响因子为17.86。论文信息如下：
Ruibing Hou, Bingpeng Ma, Hong Chang, Xinqian Gu, Shiguang Shan and Xilin Chen, “Feature Completion for Occluded Person Re-Identification”, IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2021. (Accepted)
行人再识别在计算机视觉中有非常重要的作用。但是，现有的方法在遮挡场景中存在严重的性能下降。针对这一问题，本文提出了一个遮挡鲁棒模块，“区域特征补全模块（RFC）”。不同于存在的直接丢弃遮挡区域的工作，RFC模块可以在特征空间中精确地恢复出被遮挡的区域特征。具体来说，本文首先提出了一个空间特征补全模块（SRFC）。空间特征补全模块考察行人的空间上下文信息，通过帧内非遮挡的部件预测出遮挡部件的特征。进一步地，本文引入了一个时序特征补全模块（TRFC）。时序特征补全模块利用长期的时序上下文信息改善空间补全模块生成的特征。我们的补全模块是轻量级的，并且可以插入到现有的卷积网络中形成最终的时序补全网络。该方法框架图如下所示：
总体而言，本工作的主要贡献包括：1）提出使用特征补全去解决遮挡的行人再识别问题。2）设计了空间和时序特征补全模块，分别捕捉空间和时序的上下文信息去恢复遮挡区域的特征。3）构建了一个大规模的基于视频的遮挡的行人再识别数据集，去促进遮挡行人再识别问题的研究。4）验证了特征补全在遮挡行人再识别任务上的有效性。
附件：