检索相关论文总结

什么是行人重识别(ReID)

如下图，给定一个行人图或行人视频作为查询query，在大规模底库中找出与其最相近的同一ID的行人图或行人视频。

做ReID的话，一般从两方面入手：

A、特征工程，设计网络来学习不同场景下都general的visual feature，用probe-gallery的特征相关性来作为ranking的依据，一般直接Softmax分类。

B、度量学习，设计损失函数，用多张图像的label来约束它们特征之间的关系，使学到的特征尽量类内间隔短，类间间隔大。

PCB-RPP[1]，2017

main contribution：

1. 提出了均匀分块的 Part-based Convolutional Baseline(PCB)，探讨了较优的块间组合方式

2. 提出了基于 parts 的 Refined part pooling(RPP)，用注意力机制来对齐 parts

如上图所示，PCB框架的流程是：

1、对输入384*128行人图提取深度特征（ResNet50），把最后一个block( averagepooling前)的下采样层丢弃掉，得到空间大小 24*8的 tensor T

2、按照水平方向分成均匀分成6parts，即6个空间大小 4*8 tensor，然后各自进行 average pooling，得到6个column vectors g

3、使用1*1卷积对g降维通道数，然后接6个FC层（权值不共享），Softmax进行分类

4、训练时等于有 6个cross-entropy loss；测试时则将 6个 vectors h 合并在一起，再算相似度

这里有几种组合方式和超参可以探讨：

A、Deep feature的空间维度大小？该分成多少parts？输入为384*128，长宽比3:1，分成6个part，输出T为24*8，part是4*8。

B、把6个column vector h 先 average pooling 成 1个 vector，再 FC 分类？不合成，合成以后效果下降，

C、6个FC层之间的权值是否共享？不共享，共享以后效果下降，共享分类器的权重，在降低过拟合风险的同时，降低了学习的部件级特征的识别能力。

文中做了实验来对比结果，找到最优的组合方案~~

至于为什么分part的效果会更好，也是基于行人结构分割的先验知识驱使（类似用Pose key point来做一样）。比如part1，能更有针对性地根据头部信息来分类~~

讲完了PCB，我们来看RPP，RPP框架如上图，

作者提出两个问题，首先，同一水平条纹中的大多数列向量都聚集在一起(尽管对这种效果没有明确的限制)。其次，在训练过程中存在许多异常值，当它们被指定为一个指定的水平条纹(部分)时，这些异常值与另一个部分更相似。这些异常值的存在表明，它们在本质上与另一部分的列向量更一致。

RPP本质上就是个attention module，目标是把6 parts 对应的空间分布进行软权值分配，进而对齐parts（PCB中均匀分割6parts 的过程，其实可看成人为地 hard attention，只把当前part空间权值设为1，其他parts都为0）

如上图所示，RPP思路：

1、把深度特征tensor T 中每个column vectors f 都分为6类（假设共有6个parts），文中是通过线性函数加Softmax来实现（其实就类似用1*1卷积来作segmentation一样）

2、把每个part对应的attention map 权值叠加回 tensor T 里（即上图的 GAP过程），得到各 part 的spatial 空间压缩后的 feature vector g ~ 后续步骤都和PCB一样~

PCB-RPP训练流程：

PCB-RPP训练流程[1]

这里第一步预训练也是非常重要，不加的话效果显著下降。
文中为了保证学到的是part based attention map来对齐parts，故特意在预训练完PCB后，在Step3处先fix住PCB里所有层的参数，单独训练 part classifier。如下图所示，如果不加Step 3的限制，出来的6个attention map 将很随机，性能也会下降。

attention map[1]下图是加了Step3的效果
从实验结果看，加了RPP对MAP提升还是很大的：

 

总结：

文中PCB的思想虽然简单，但是后续CVPR2018中各种part-based ReID文章(各种 Multi-scale, multi-level part fusion 啥的)提供了参考价值。特别是云从科技的这篇MGN[2]，更是将各种粒度的parts 和 triplet loss+ Softmax loss玩得淋漓尽致~

https://blog.csdn.net/SIGAI_CSDN/article/details/82911843 

 

SGGNN [3]，ECCV2018

说完了ReID的单张图像part based特征工程，我们来谈谈多张图像输入的 metric learning方法，传统的contrastive loss, triplet loss 和 quadruplet Loss就不介绍了，下面说说基于图模型的 SGGNN。

Similarity-Guided Graph Neural Network (SGGNN) 主要贡献是：

1、网络的输入是probe和多个gallery，通过 GNN 来fuse不同probe-gallery pairs的差异性特征；而不像传统方法probe与每个gallery间都是单独计算 similarity

2、Similarity-Guided。图神经网络中节点与节点间的 edge weights 不是直接通过节点间的非线性函数(无监督) 得到，而是利用gallery的标签，有监督地计算 gallery-gallery similarity得到。

SGGNN整体框架[3]
如上图所示，假定输入是一个probe和四个gallery，首先每对probe-gallery 都经过Siamese-CNN 来计算关系特征di，作为GNN中的节点node；而node间的edge weights可通过 gallery-gallery pair过相同的Siamese-CNN来得到；接着根据图网络中d1,d2,d3,d4及权值关系，来更新节点的关系特征，作为similarity score(即Sigmoid后的二分类)。

那问题来了，如何设计网络来提取di？

又如何设计GNN来更新节点值呢？

节点输入特征生成[3]
如上图所示，提取di很简单，就是把图像对送进参数共享的ResNet50，出来的 deep feature进行 element-wise相减，接着element-wise square然后 BN，得到di;若要继续算图像对similarity的话，后接个FC层然后Sigmoid即可。

节点特征更新[3]
上图所示，目标就是更新di特征。虽然不太懂为啥专门用2个FC层搞了个message network 来映射di到ti，文中说这样可以增强节点间流动的信息，但估计增加不少运量和额外参数。Anyway我们已经得到了各个节点增强后的message+各个edge weights+原始的di特征，按照下面的公式更新di特征即可：

for i=1,2,...N

至此，整个网络就可以端到端地去训练了，通过probe-gallery label 的 cross-entropy loss引导di更新，又通过gallery-gallery label 的 cross-entropy loss引导 edge weights 更新（后者不确定是否一定需要，文中也没细讲）。

关于利用gallery-gallery相似分值来引导改善probe-gallery关系特征，文中举了一个类似metric learning的例子很有趣：给定 probe p 和 gallery gi 和 gj，假定 (p, gi) 是 hard positive pair node，而 (p, gj) 和 (gi, gj) 都是相对 easy positive pairs node。如果节点间没有信息流动，(p, gi)的相似分值不可能很高。但如果使用 (gi, gj) 相似度来引导更新(p, gi)的关系特征，那么(p, gi)的相似分值可能会高。

从实验结果看，使用Similarity-guided确实对性能提升很大：

results[3]

总结与展望：

SGGNN使用gallery-gallery引导多个probe-gallery进行特征融合，确实能让网络学到更discriminant特征。哈哈，估计有人会想把PCB中Part based feature和SGGNN融合起来用了，或者把parts当成节点来用了~~

https://blog.csdn.net/SIGAI_CSDN/article/details/82911843 

 

 

 

 

 

Reference:

[1] Yifan Sun, Beyond Part Models: Person Retrieval with Refined Part Pooling

[2]Guanshuo Wang, Learning Discriminative Features with Multiple Granularity

for Person Re-Identification

[3]Yantao Shen, Person Re-identification with Deep Similarity-Guided Graph Neural Network，ECCV2018