综述参考:
from:ReID综述(上)https://www.leiphone.com/news/201712/4Mvj2NBIxCN5bQZI.html
from:ReID综述(下)https://www.leiphone.com/news/201712/JdVuO1BWAIrkPSyx.html
一.DG-Net
1. 摘要和简介
利用生成数据去改进行人ReID:使用一种联合学习框架,即端到端的成对重识别,简单的说,就是把数据生成和行人重识别统一到一个框架中。
- 十分需要注意的是appearance code也即ai是不仅仅包含衣服信息的也是包含身份信息的,可以根据衣服判别,但是同时需要头发,脸等细节信息完全确定。
2. 生成单元
生成单元包括一个外观编码器Ea,一个结构编码器Es,一个解码器G以及一个判别器D来区分真实图片和生成图片。
具体如图所示:
与appearance code ai相比,struct code sj保持了更高的空间分辨率,以保持几何和位置特性。然而,这可能导致解码器G在图像生成中只使用sj而忽略ai的简单解决方案,因为解码器倾向于依赖具有更多空间信息的特征。在实际应用中,我们将Es的输入图像转换成灰度,从而驱动G同时利用ai和sj。我们对生成模块实施了两个目标:(1)同一身份生成 使生成器正则化;(大白话:两张同一个人的照片合成该人照片,这里面包含了一张该人照片在分离成ai 和si后依旧能够在利用这个恢复成原照片)(2)交叉身份生成使生成的图像可控并匹配真实数据(大