보행자 재식별을 위한 마스크 기반 공간 분리 특징 학습 모델
Mask based Spatially Separated Feature Learning for Person Re-Identification
- 주제(키워드) 보행자 재식별 , 딥러닝 , 마스크 기반 , 지역적 특징
- 발행기관 서강대학교 일반대학원
- 지도교수 김경환
- 발행년도 2021
- 학위수여년월 2021. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- UCI I804:11029-000000065704
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
촬영 영역이 겹치지 않은 카메라들에서 같은 사람을 찾는 기술인 보행자 재식별(person re-identification, person Re-ID)은 보행자 추적과 시각 감시 시스템 등 다양한 분야에 적용될 수 있다. 같은 객체라도 카메라의 촬영 위치에 따라 다양한 모습이 나타나고 배경에 의한 잡음과 다른 보행자에 의해서 가려지는 등 여러가지 문제점들이 보행자 재식별을 더 어렵게 만든다. 이러한 문제를 해결하기 위해 많은 연구들에서는 전역적 특징(global feature)과 지역적 특징(local feature)을 동시에 학습에 사용하여 큰 성능 향상을 보여주었다. 그러나 두 개의 특징을 단순히 결합하는 방식은 의미있는 특징들이 중복해서 들어가게 만들고 이는 성능 하락의 원인이 된다. 또한 중복된 정보들에 의해 과적합(overfitting)될 가능성이 높아진다. 기존의 문제점들을 해결하기 위해 본 논문에서는 전역적 특징과 지역적 특징이 서로다른 공간 주의를 가질 수 있도록 마스크를 사용한 특징 학습 모델을 제안한다. 모델이 학습되는 동안 특징 맵(feature map)의 특정 부분을 가릴 수 있도록 마스크의 계수들이 조정된다. 실험을 통해 제안하는 방식이 보행자 재식별의 대표적인 데이터 셋인 DukeMTMC-ReID과 Market1501, CUHK03-NP에서 기존의 state-of-the-art 방식들보다 성능이 뛰어나다는 것을 보여준다.
more초록/요약
Person re-identification, a technology that finds the same person in cameras where the captured areas do not overlap, can be applied to various fields such as pedestrian tracking and visual surveillance systems. There are many challenges including appearance variations among different camera view, cluttered backgrounds, and interference of similar images with different identities in person re-identification. To alleviate such difficulties, there have been approaches accommodating both of global and local features. A simple form of feature aggregation, however, could be a source of performance degradation and possible overfitting due to semantically overlapped properties inherently existing in the features. The feature learning model proposed in this thesis employs a mask to balance the degree of the spatial attention between the local and the global features. A set of mask coefficients determined while the model is being trained specifies which parts of the feature maps need to be cloaked. The results of a set of experiments prove that the proposed model outperforms the state-of-the-art methods on person ReID benchmark datasets, including DukeMTMC-ReID, Market1501, and CUHK03-NP.
more