Transformers with Convolutional Methods for Person Re-Identification

Les transformateurs se sont révélés prometteurs dans une grande variété de tâches dans le domaine de la vision par ordinateur, comme la classification d'images. Cependant, par rapport aux travaux de recherche sur la classification d'images, les travaux sur les transformateurs pour la réidentification de personnes est actuellement très limitée. Les chercheurs ont précédemment démontré qu'un réseau convolutif augmenté d'un module basé sur les parties est capable d'effectuer avec une bonne précision la réidentification de personnes, à condition que le réseau convolutif principal ait été conçu pour la classification d'images. Il en va de même pour les Transformateurs, qui peuvent servir d'épine dorsale à un module de représentation locale dans la mesure où l'architecture du Transformer a été conçue dans le but de réidentifier des personnes. Compte tenu de la montée en puissance des Transformateurs dans le domaine de la vision par ordinateur, les réseaux convolutifs risquent d'être remplacés par des architectures avec Transformateurs qui fonctionnent avec le mécanisme d'auto-attention au lieu des convolutions, mais les architectures convolutives retiennent tout de même leurs avantages sur les transformateurs en vertu de localité spatiale, alors que l'auto-attention manque de localité. Compte tenu les atouts des réseaux convolutifs et des transformateurs, nous cherchons à combiner ces deux approches fondamentales de la vision par ordinateur et de la réidentification de personnes, en particulier en intégrant les méthodes des réseaux convolutifs au LA-Transformer dans la construction d’architectures. Ainsi, nous incorporons l'attention à la covariance croisée et la méthode de la fenêtre mobile en tant qu'approches convolutionnelles pour améliorer les performances des LA-Transformers dans la tâche de ré-identification de personnes. De plus, nous incorporons des méthodes d’entrainement efficace afin d’améliorer l'efficacité du modèle ré-identification des personnes.