祝贺实验室团队硕士生吕心铋一篇论文“Incremental Generative Occlusion Adversarial Suppression Network for Person ReID”被IEEE Transactions on Image Processing录用。

    文章提出了增量式生成遮挡-对抗抑制网络（Incremental Generative Occlusion Adversarial Suppression Network，IGOAS）。IGOAS借鉴了人们由易到难渐进式学习困难问题的策略，提出了一个基于批量样本的增量式遮挡生成方法，增量式地生成更困难的遮挡块，使网络由易到难地学习遮挡而不是直接学习最难的遮挡问题，降低网络学习和解决遮挡问题的难度；其次构建全局-对抗抑制框架（内嵌遮挡抑制模块），有效抑制遮挡信息，加强行人非遮挡区域的特征表达，最终IGOAS可以学习到一个更具鉴别力、更精细的行人特征描述，有效提升了遮挡行人再识别的性能。在多个Occluded和Holistic数据集上的实验效果证明了IGOAS在解决遮挡行人再识别问题上的优越性，以及模型的强泛化能力。