Multidirection and Multiscale Pyramid in Transformer for Video-Based Pedestrian Retrieval

计算机科学 棱锥(几何) 变压器 人工智能 计算机视觉 行人 特征提取 特征(语言学) 模式识别(心理学) 工程类 电压 数学 语言学 哲学 几何学 电气工程 运输工程
作者
Xianghao Zang,Ge Li,Wei Gao
出处
期刊:IEEE Transactions on Industrial Informatics [Institute of Electrical and Electronics Engineers]
卷期号:18 (12): 8776-8785 被引量:55
标识
DOI:10.1109/tii.2022.3151766
摘要

In video surveillance, pedestrian retrieval (also called person re-identification) is a critical task. This task aims to retrieve the pedestrian of interest from non-overlapping cameras. Recently, transformer-based models have achieved significant progress for this task. However, these models still suffer from ignoring fine-grained, part-informed information. This paper proposes a multi-direction and multi-scale Pyramid in Transformer (PiT) to solve this problem. In transformer-based architecture, each pedestrian image is split into many patches. Then, these patches are fed to transformer layers to obtain the feature representation of this image. To explore the fine-grained information, this paper proposes to apply vertical division and horizontal division on these patches to generate different-direction human parts. These parts provide more fine-grained information. To fuse multi-scale feature representation, this paper presents a pyramid structure containing global-level information and many pieces of local-level information from different scales. The feature pyramids of all the pedestrian images from the same video are fused to form the final multi-direction and multi-scale feature representation. Experimental results on two challenging video-based benchmarks, MARS and iLIDS-VID, show the proposed PiT achieves state-of-the-art performance. Extensive ablation studies demonstrate the superiority of the proposed pyramid structure. The code is available at https://git.openi.org.cn/zangxh/PiT.git.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
可爱的函函应助YJ采纳,获得10
1秒前
嘻嘻完成签到,获得积分10
2秒前
2秒前
天天快乐应助ww采纳,获得10
2秒前
v小飞侠101发布了新的文献求助10
3秒前
3秒前
华仔应助HXR采纳,获得10
3秒前
3秒前
英俊的铭应助儒雅乐荷采纳,获得10
3秒前
4秒前
4秒前
哭泣映波发布了新的文献求助30
4秒前
李健的小迷弟应助yuaner采纳,获得10
4秒前
4秒前
寒冷明辉发布了新的文献求助50
5秒前
拉布拉卡完成签到,获得积分20
5秒前
flsqw完成签到,获得积分10
5秒前
aom发布了新的文献求助10
5秒前
niuniu发布了新的文献求助10
6秒前
科研通AI2S应助welch采纳,获得10
6秒前
6秒前
孤独的根号4完成签到,获得积分10
6秒前
念安发布了新的文献求助10
6秒前
迷路的松完成签到,获得积分20
6秒前
ridder发布了新的文献求助30
6秒前
乐观蚂蚁发布了新的文献求助10
7秒前
阔达的凡完成签到 ,获得积分10
8秒前
Kw完成签到,获得积分10
8秒前
9秒前
9秒前
wu发布了新的文献求助10
10秒前
xjy完成签到,获得积分10
10秒前
嘻哈发布了新的文献求助10
10秒前
zhongkang发布了新的文献求助10
10秒前
focco发布了新的文献求助10
10秒前
铲铲大王完成签到,获得积分10
11秒前
小二郎应助十二采纳,获得10
11秒前
yehuitao发布了新的文献求助10
11秒前
易俊完成签到,获得积分10
11秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3258757
求助须知:如何正确求助?哪些是违规求助? 2900542
关于积分的说明 8311080
捐赠科研通 2569775
什么是DOI,文献DOI怎么找? 1395999
科研通“疑难数据库(出版商)”最低求助积分说明 653380
邀请新用户注册赠送积分活动 631255