摘要

在本研究中，我们探讨了野外环境下的人员搜索问题。不同于传统方法将查询对象与以无目标方式生成的所有候选区域进行比较，我们提出了一种递归缩小搜索范围的方法，从整幅图像开始逐步精确到目标人物的位置，充分利用每次递归搜索步骤中的查询信息和上下文线索。为此，我们开发了神经人员搜索机（Neural Person Search Machines, NPSM）来实现这种递归定位的人员搜索。得益于其神经搜索机制，NPSM能够自动地从一个宽松的区域有选择性地缩小到包含目标人物的更紧密区域。在此过程中，NPSM利用了一个内部的基本记忆组件来存储查询表示，该表示调节注意力并增强对其他干扰区域的鲁棒性。我们在两个基准数据集——CUHK-SYSU 人员搜索数据集和 PRW 数据集上进行了评估，结果表明我们的方法在 mAP 和 top-1 评估协议下均优于当前最先进的方法。