Horizontal Pyramid Matching for Person Re-identification 论文笔记

Motivation

    Failure cases where the discriminative body parts (key parts) are missing.

Contribution

    1. horizontal pyramid scales (增强body parts的判别能力)

    2. average and max pooling strategies

    3. horizontal erasing operation during train (数据增强方法)

Horizontal Pyramid Matching

    对feature map进行多尺度的水平切割，得到多个特征向量。训练时，基于多个全连接层计算分类损失训练；测试时将多个特征向量串接作为行人表示。

    这种方法增强了判别特征的多样性，如下图所示。

Pooling Strategies

    为了减轻平均池化对高判别性部分的响应的削弱问题，将平均池化和最大池化进行相加，从而同时保留全局和局部信息。

Horizontal Random Erasing

    参考文献[2]中提出过一种random erasing方法，即随机地选择图像中一个矩形区域，接着用随机的值去擦写区域内的像素。而这里的Horizontal Random Erasing方法是这样做的：对于每个batch，通过backbone network得到特征图 F 后，随机选择某些行并擦写为0，以模拟被遮挡的情况，增强模型鲁棒性。和文献[2]对图像的擦写不同，这里的擦写是针对特征图的。

Experiment

      

References

[1] Fu Y, Wei Y, Zhou Y, et al. Horizontal Pyramid Matching for Person Re-identification[J]. 2018.

[2] Zhong Z, Zheng L, Kang G, et al. Random Erasing Data Augmentation[J]. arXiv preprint arXiv:1708.04896, 2017.