编译 | CV君
报道 | OpenCV中文网（微信id：iopencv）
本文是对行人监控相关论文的总结，包括拥挤人群计数、行人检测、无监督 Re-ID、摄像机域内监督 Re-ID 的应用。
共计 7 篇。如有遗漏，欢迎补充。
下载包含这些论文的 WACV 2021 所有论文：
人群计数
[1].Understanding the impact of mistakes on background regions in crowd counting
在研究人群计数过程中，都知道人群计数模型偶尔会在背景区域上出错，且比预期严重的多。作者通过分析得出根据数据集的不同，错误率在 18% 到 49%不等。而且，模型不能很好地泛化到不同类型的背景上，在完全背景的图像上表现不佳； 模型所出的误差多于由标准 MAE 所度量的。
作者用一个训练成抑制背景预测的分割分支来丰富一个典型的人群计数网络。这个简单的设计使背景误差降低了10-83%；前景误差降低了高达26%，整体人群计数性能提高了20%。
与以往文献相比，这个简单的技术在所有数据集上都取得了非常有竞争力的结果，与最先进的技术相当，且表明解决背景问题的重要性。
作者 | Davide Modolo, Bing Shuai, Rahul Rama Varior, Joseph Tighe
单位 | AWS Rekognition
论文 | https://arxiv.org/abs/2003.13759
行人检测
[2].Guided Attentive Feature Fusion for Multispectral Pedestrian Detection
用于多光谱行人检测的引导性特征融合
作者 | Heng Zhang, Elisa Fromont, Sebastien Lefevre, Bruno Avignon
单位 | 法国雷恩第一大学；南布列塔尼大学；ATERMES 公司等
论文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Zhang_Guided_Attentive_Feature_Fusion_for_Multispectral_Pedestrian_Detection_WACV_2021_paper.pdf
人员重识别
[3].Set Augmented Triplet Loss for Video Person Re-Identification
设置增强型 Triplet Loss，用于视频人员重识别
作者 | Pengfei Fang, Pan Ji, Lars Petersson, Mehrtash Harandi
单位 | 澳大利亚国立大学；DATA61-CSIRO；OPPO（美国研究中心）；蒙纳士大学
论文 | https://arxiv.org/abs/2011.00774
[4].Enhancing Diversity in Teacher-Student Networks via Asymmetric Branches for Unsupervised Person Re-Identification
无监督人员重识别（Re-ID）的目标是在没有劳动密集型身份标注的情况下学习判别性特征。最先进的无监督 Re-ID 方法将伪标签指定给给目标域中的无标签图像，并从这些嘈杂的伪标签中学习。
引入的 Mean Teacher Model 是一种很有前途的缓解标签噪声的方法。但在训练过程中，self-ensembled teacher-student 网络迅速收敛到一个共识，从而导致局部最小值。并探讨了在神经网络内部使用非对称结构来解决这一问题的可能性。
首先提出非对称分支，以不同的方式提取特征，增强了外观签名的特征多样性。其次提出跨分支监督允许一个分支从另一个分支获得监督，对不同知识进行迁移，增强了teacher-student 网络之间的权重多样性。
提出的方法在无监督的领域适应和完全无监督的Re-ID任务上的性能都能明显超过以往的工作。
作者 | Hao Chen, Benoit Lagadec, Francois Bremond
单位 | University of Cote d’Azur；ESI集团
论文 | https://arxiv.org/abs/2011.13776
代码 | https://github.com/chenhao2345/ABMT
[5].Towards Precise Intra-camera Supervised Person Re-identification
实现精准的 Intra-camera Supervised（摄像机域内监督）人员重识别。
作者 | Menglin Wang, Baisheng Lai, Haokun Chen, Jianqiang Huang, Xiaojin Gong, Xian-Sheng Hua
单位 | 浙江大学；阿里达摩院
论文 | https://arxiv.org/abs/2002.04932
[6].Unsupervised Attention Based Instance Discriminative Learning for Person Re-Identification
本文做出以下贡献：
一个新的分组注意力模块（GAM）
实例判别损失（IDL）和聚类损失（ACL）的联合优化
在 Market1501 和 DukeMTMC-reID 数据集对 Re-ID 进行广泛的分析
对 attention maps、嵌入维度和滤波器组数进行消融研究分析
作者 | Kshitij Nikhal, Benjamin S. Riggan
单位 | 内布拉斯加大学林肯分校
论文 | https://arxiv.org/abs/2011.01888
[7].Learning Shape Representations for Person Re-Identification Under Clothing Change
本次工作中，作者收集了两个 re-ID 数据集(SMPL-reID和DivMarket)，用于模拟真实世界的场景，其中包含衣服或衣服颜色的变化，以评估现有 re-ID 方法的弱点。
为了解决服装变化背景下的重新识别问题，作者提出一种新型的表征学习模型，能够在不受服装颜色或图案影响的情况下生成身体形状特征表示。该模型称之为：Color Agnostic Shape Extraction Network (CASE-Net)。CASE-Net通过对抗性学习和特征解耦来学习一个只依赖于身体形状的身份表示。
作者在5个数据集(SMPL-reID、Div-Market、2个标准基准数据集、1个跨模式数据集)上的实验也验证了现有方法的弱点以及所提出方法的有效性和通用性。
作者 | Yu-Jhe Li, Zhengyi Luo, Xinshuo Weng, Kris M. Kitani
单位 | 卡内基梅隆大学
论文 | https://arxiv.org/abs/2003.07340
- END -
网友评论