[人工智能]Learning Disentangled Representation Implicitly via Transformer for Occluded Person Re-Identificatio

题目：Learning Disentangled Representation Implicitly via
Transformer for Occluded Person Re-Identification
作者：Mengxi Jia

一、研究背景
带有遮挡的行人图片会造成图片匹配时的误对齐。
由于遮挡物类型众多且遮挡的位置不固定，会造成行人外观的巨大变化，带来类内匹配错误；与身体部位外观相似的遮挡物会使学到的特征不准确。
目前主流的应对措施是用额外的语义提示或局部特征进行对齐，然而这些对齐方式对噪声敏感且不能很好区分行人躯体和遮挡物。
因此，这篇论文提出了不需要严格对齐和额外监督的DRL-Net（解纠缠表示学习网络），并实现了用遮挡图片的局部特征实现全局推理。

二、研究目标

（1）在语义偏好目标序列的指导下，通过对未定义语义成分的特征进行解纠缠，实现图片的相似性度量
（2）设计去相关约束，使目标序列更好地关注不同语义组件
（3）设计对比特征学习（CFL），分离遮挡特征和鉴别性特征，来更好地消除遮挡的影响

三、技术路线

A. Semantic Representation Extraction and Disentanglement
按照语义成分提取特征
（1）CNN特征提取器
（2）encoder：可学习的位置编码
（3）decoder：可学习的输入嵌入（semantic
preferences object queries）



1）identity loss

2）Object Query Decorrelation Constraint

B. Semantic Preferences guided Contrast Feature Learning（语义偏好引导的对比特征学习）

1. Occluded Sample Augmentation (OSA):
   
   希望目标序列生成的语义成分只关注身体部位而不受遮挡影响
   
   希望遮挡目标序列只关注遮挡物或噪声
   
   C. Training and Inference
   
   
   四、实验结果