A Strong Baseline and Batch Normalization Neck for Deep Person Re-identification REID文章解读

文章解读：

这两篇文章 A Strong Baseline and Batch Normalization Neck for Deep Person Re-identification Bag of Tricks and A Strong Baseline for Deep Person Re-identification 主体思想是一样的，但是区别在于第一篇文章更为全面，而且还分析backbone改动时的准确率的变化等，第二篇文章里面多的就是一些baseline具体训练策略和数据预处理

A Strong Baseline and Batch Normalization Neck for Deep Person Re-identification

文章的主题设计思想：

这篇文章的主旨就是提出了一个 strong baseline , 作者在该 baseline 中使用了6个tricks（使用 Resnet50 作为 backbone），分别为：

1. warmup learning rate
2. random erasing augmentation
3. label smoothing
4. last stride
5. BN neck
6. center loss

我就不在这里对这几个tricks进行深度说明了，有很多的博客都会有介绍，先对其机理进行理解

（1）为什么设计BNNeck

作者认为两个LOSS之间有冲突，这篇paper中是使用了两个loss：分类 loss 度量loss，分类的损失计算为交叉熵损失，但是交叉熵的计算本质上和欧式空间上进行的计算，还有一个向量距离的计算，paper中是计算的余弦距离，不是在欧式空间上的计算，因为作者认为两者所在的空间不一样，因此尽量用两个不同的向量做计算，因此做了加了一个BN neck(BN层)做一个处理。（细节：作者训练时用前一个向量做度量loss的计算，但是推理时用后一个当作最终的输出结果）

（2）为什么有center loss

出发点：在做视频追踪的时候需要设置不同的阈值来判断是不是用一个人，但是阈值很难去设定，因为只有 triplet loss 的时候，两个输出（1.5-1.3）和（0.5-0.3）是一样的，所以我们没有办法用比如1这个阈值去分割正负样本，所以增加了 center loss ，她可以使得每个样本更靠近其类别的中心，这样的话上述的现象通过到类别中心作为基准，就可以消除这个现象了

作者提出的这几个tricks搭建的baseline，其模型的表现已经超过目前很多paper中提出的模型，作者认为其他人的paper可能使用了一个poor baseline，或者是使用了一个好的baseline，但是实际上paper提出的trick没有起到作用（质疑其他作者的tricks的实用性，确实很多paper提出的trick华而不实，换一个数据集就没有用了）

工业界更倾向于一个简单可靠的，而不是靠各个尺度特征的叠加，或者靠不同的标注分割信息等

REID 实现方法综述：

Reid 的 baseline 根据 loss 的种类可以分为两大类：
classification loss metric loss （目前的 baseline 都是将这两个合并，作者就是这么用的，最终两个输出：分类+度量）

一些现有的其余REID研究方法，这几种方式都是基于上述的loss，只是在网络结构或者数据或者标注信息上做手脚，以提升最终的准确度（map cmc）

下述的每一个又可以分为一个子领域，又有很多的文章：基于深度学习的行人重识别研究综述，这里面详细叙述了下面这几个方面的研究情况。

• Stripe-based methods
• Pose-guided methods
• Mask-guided models
• Attention-based methods
• GAN-based methods
• Re-ranking methods

作者的比较实验：

作者比较了几个不同的baseline，比如 IDE,PCB TriNet(这几个对应的paper都可以通过文章后面的索引找到)，发现还是作者搭建的这个比较好，花花绿绿的模型不见得准确率高，鲁棒性强。

作者又对比了和pyramid网络的准确度，作者的稍微低了一点，但是pyramid网络用到了12个特征组合，作者搭建的只是用到了一个全局特征。

作者在不同的backbone上面试验了这些tricks，发现确实有影响，backbone好的出来的结果还是好，提取特征的能力强，目前是IBN-Net50-a 的准确度 高于 Resnet-50 的

Re-ranking是模型的后处理方式，并不是在训练的时候进行的处理

另一篇文章 Bag of Tricks and A Strong Baseline for Deep Person Re-identification：

baseline 中的数据预处理：

图像缩放至 256*128大小
图像进行零均值处理，减去固定mean 除以固定 std
Learning rate 开始值设置为 0.00035
triplet loss中的margin设置为 0.3
batch size的设置中 P=16 K=4

batch_size 的影响：

作者研究为什么batch_size会增大模型准确率，因为P K分别增加了难分正样本和难分负样本的比例

各个tricks的单独分析：

通过对各个tricks的分析，随机擦除对模型有害，慎重选择该方式，因为该方式有可能抹去了重要信息，比如头部，从而让模型学到了更多多余且无用的信息