서로 다른 카메라 간에 뚜렷한 클래스 내 차이가 존재하며 일부 보행자들이 옷을 갈아입는 등의 변화가 인식 저하를 초래하는 문제를 해결하기 위해, 생성적 적대 신경망(GAN) 데이터 생성과 보행자 재식별 학습을 엔드 투 엔드로 결합한 공동 학습 프레임워크를 제안한다. 먼저 DGNet 네트워크를 기반으로 생성기와 판별기의 잔차 블록 ResBlock을 DenseBlock으로 교체하여 특징 전파를 강화하고 그래디언트 소실 문제를 방지한다. 그 다음, 생성 모듈은 외관 및 구조 인코딩을 전환하여 고품질의 합성 이미지를 생성한다. 마지막으로 판별 모듈에 새로운 주의 메커니즘(NAM)을 추가하여 덜 중요한 가중치를 억제하고 필요한 목표 영역에 더 집중한다. 생성 모듈이 생성한 이미지는 온라인으로 판별 모듈에 되돌려져 이미지의 진위를 판단하고, 동시에 결과는 보행자 재식별 모듈에 피드백되어 분류 인식을 수행한다(판별 모듈과 보행자 재식별 모듈은 공유됨). Market-1501, DukeMTMC-reID 데이터셋에서 rank-1/mAP는 각각 95.7%/88.6%와 87.1%/75.7%에 도달한다.

보행자 재식별; 외관 인코딩; 구조 인코딩; GAN; DenseBlock; NAM