个人搜索的PCNet
介绍
人物搜索统一执行人物检测和特征提取。 它要求模型检测框并提取其相应的ReID功能。 当前的大多数工作基于两阶段检测器,如Faster-RCNN,该检测器将特征裁剪应用于ReID特征提取,例如RoIPooling或RoIAlign。 这种两阶段的检测器框架具有检测错误的敏感性以及无法在边界框外捕获上下文信息的缺点。 更糟糕的是,探测器头部的向后计算会产生大量开销。
此回购旨在通过一级检测器解决上述问题。 如果不进行特征裁剪,则一级检测器几乎将完整的上下文保留在特征图中。 然后,通过在整个金字塔中的局部点自适应地聚合要素来提取ReID要素。 这使该功能可以在框外探索有益的上下文。 继承了单级检测器的更快速度,此回购中的模型与当前工作相比显示出更高的推理速度。 我们将此仓库的模型命名为上下文关联网络(PCNet)。
具体而言,点聚集的两个模块,C ontextua
评论0
最新资源