0 摘要

人物搜索的目的是从真实的、未裁剪的图像中同时定位和识别查询人，可以看作是行人检测和人再识别(re-id)的统一任务。大多数现有的工作都采用了像Faster-RCNN这样的两级检测器，这带来了令人鼓舞的准确性，但也带来了很高的计算开销。在这项工作中，我们提出了特征对齐的人搜索网络(AlignPS)，第一个无锚框架有效地解决这一具有挑战性的任务。AlignPS明确地解决了无锚检测器主要的挑战，我们将其概括为不同级别(即scale尺度、region和task)的不对齐问题。更具体地说，我们提出了一个对齐的特征聚合模块，通过遵循’re-id first '重新识别第一原则来生成更具鉴别性和鲁棒性的特征嵌入。这种简单的设计直接在CUHK-SYSU上的mAP比基线无锚模型提高20%以上。此外，AlignPS的性能优于最先进的两级方法，具有更高的速度。

1 introduction

人物搜索[55,48]，旨在从逼真的、未裁剪的场景图像库中定位和识别目标人物，最近已成为一种具有现实应用的实际任务。为了解决这一任务，我们需要解决计算机视觉中的两个基本任务，即行人检测[34,52]和人再识别(reid)[15,1]。探测和再识别都是非常具有挑战性的任务，在过去的十年中受到了极大的关注。在个人搜索中，我们不仅需要解决两个单独任务的挑战(例如遮挡、姿态/视角变化和背景杂波)，还需要寻求一个统一和优化的框架来同时进行检测和重新识别。

ps的三种方法：two step；one step two stag

开通VIP 解锁文章