【ReID】Batch DropBlock Network for Person Re-identification and Beyond

2019的ICCV，Batch DropBlock Network for Person Re-identification and Beyond，早期也叫做Batch Feature Erasing for Person Re-identification and Beyond（两个版本几乎一样），我以Batch DropBlock Network为准。文章[1]提出了Batch DropBlock (BDB) Network，该网络包含一个注意力特征学习模块batch dropblock，其在feature map中相同区域进行随机去除，迫使网络增强对局部特征的学习。

论文一览：

痛点

ReID饱受姿态变化，遮挡和局部特征在训练中被抑制的问题。而CNN倾向于集中在识别对象主体上，因而抑制了其他可区分的部分。很多工作通过基于姿态关键点来进行改善，但是这些工作太复杂笨重。有些工作用切片方法进行改善，但是这些工作通用性不强。文章旨在设计一种简单又适用性强的网络来解决这个问题——Batch DropBlock Network(BDB Network)。

模型

BDB网络用于粗糙的对齐度量学习任务，其包含两个branch，一个为传统的global branch，和一个包含Batch DropBlock的特征筛除feature dropping branch。global branch执行下采样得到feature representation，feature dropping branch学习局部详细的信息。网络采用ResNet50作为backbone，其中stage 4的downsampling部分被去除，得到的feature map size为（2048，24，8）。

其中Batch DropBlock将随机去除所有feature map相同区域的信息（即相同的语义主体部分），以迫使网络关注未被擦除的部分。

Batch DropBlock在triplet hard mining loss的示意图如下图2：

总的模型结构如下图图3：

global branch正常提取特征，得到id loss和triplet hard loss。

在feature dropping branch中，得到的feature tensor会被Batch DropBlock Layer随机去除一个同样的区域，区域内的所有像素均被清零。然后网络经过global max pooling，fc层，求得id loss和triplet hard loss。这个droping region面积不是固定的，其一开始初始化为一个较小的值，随着训练的进行而逐渐增大，作者提出这样可以稳定训练的进程。并且global branch的训练对于feature dropping branch来说也是相辅相成的，如下图4：

使用global max pooling，作者认为其驱使网络在删除了最具表征性部分后，可以识别相对较弱的显着特征。容易被分类的部分被drop，global max pooling可以网络注意剩下的不容易分类的部分。

测试阶段，global branch和feature dropping branch将堆叠成一个嵌入向量进行测试。

Batch DropBlock Layer有三个特点：

1）Batch DropBlock Layer不参数，不会增加网络参数量

2）即使是其他度量学习任务中，Batch DropBlock Layer也容易使用

3）Batch DropBlock Layer超参数可调，不需要随着网络结构改变而改变。

实验

BDB与baseline的activation map可视化对比，可以看到BDB激活区域更多，分布更均匀，而baseline只专注于主要的身体部分。

BDB在CUHK03, DUKE和market1501数据集上的对比

在CUHK03的rank4可视化，绿框正确，红框错误

分离实验对比如下：

和其他dropout方法的原理可视化对比：

去除的面积比例对map和cmc的影响：

不同dropping方法在CUHK03的平行对比：

在CUB200-2011，CARS196，In-Shop Clothes Retrieval和Stanford online products数据集上的SOTA实验：

BDB使用其他loss函数的实验：

问题

dropping思想应该还可以推广到其他角度

参考文献

[1] Dai Z, Chen M, Gu X, et al. Batch DropBlock Network for Person Re-Identification and Beyond[C]. international conference on computer vision, 2019: 3691-3701.