【论文阅读】【Vehicle ReID】Vehicle Re-identification with Viewpoint-aware Metric Learning

《Vehicle Re-identification with Viewpoint-aware Metric Learning》是ICCV2019上的一篇关于车辆ReID的论文，介绍了一个名为VANet（viewpoint-aware network）的网络结构，论文整体思路比较清晰，实验论证也很充分。在这里简单分享一下对论文的一些理解。
原论文地址

研究背景和动机

在车辆ReID任务中，由于很多车辆外形很相似（特别是同一品牌型号的车辆），而拍摄的车辆图片的视角变化是很大的（最大180°），这就导致了在使用传统的特征提取网络时，同一辆车不同视角图片之间的差异，可能会比不同车在相同视角中的差异还要大。这就给ReID任务带来了很大的挑战。如下图中(a)、(b)、(c)所示。

作者从人识别车辆的过程中得到启发：人在判断两辆车是否是同一辆车时，如果两辆车是同一视角，那么人会仔细观察车辆的细节做出判断，而如果两辆车是不同视角的图片，人会更多地依赖联想记忆。因此文章的思路可以用一句话概括：分而治之，将相同视角下的图片和不同视角下的图片分开进行处理。

方案概述

论文将车辆ReID任务进行细化，首先使用一个CNN模型预测出车辆的朝向（正面、背面、侧面等）。然后通过两个分支分别完成处于相同视角（S-view，例如两个正面）的车辆和处于不同视角（D-view，例如一个正面一个背面）的车辆的ReID任务。在每个分支中，使用的是人脸识别算法中常用的三元损失函数，分别记作$L_s$和$L_d$：
L s = m a x { D s ( P s + ) − D s ( P s − ) + α , 0 } L_s=max\{D_s(P_s^+)-D_s(P_s^-)+\alpha,0\} Ls​=max{ Ds​(Ps+​)−Ds​(Ps−​)+α,0} L d = m a x { D d ( P d + ) − D d ( P d