详解ReID的各部分组成及Trick——距离度量（Distance Metric）

距离度量方法是ReID任务在测试阶段来评价特征与特征之间的距离构建度量矩阵所需的，对于一个ReID任务来说，选用一个好的度量方式，而且和训练的损失可以相互统一，可以为ReID提供很好的性能。

1、Eucildean

欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。假设特征向量A，B，则其计算公式为：
在这里插入图片描述

2、Cosine

在机器学习领域中，通常将特征表示为向量的形式，所以在分析两个特征向量之间的相似性时，常用余弦相似度表示。与欧式距离不同的是，欧式距离的大小很容易受到向量长度的影响，而余弦距离只考虑两个生成的向量的夹角，余弦相似度的取值范围是[-1,1]，相同两个向量的之间的相似度为1，余弦距离的取值范围是[0,2]。
如果特征向量A，B经过归一化之后，其中余弦距离的计算公式为：
在这里插入图片描述
欧式距离和余弦距离之间的关系如下：

3、DSR

DSR方法出自CVPR2018的《Deep Spatial Feature Reconstruction for Partial Person Re-identification: Alignment-free Approach》。

参考博客：https://blog.csdn.net/weixin_40955254/article/details/81011678

由于在检测的过程中，我们很多时候并不可以获得行人的全身图片，大多数行人由于遮挡等原因都是部分的。文章中，作者提出了一种快速准确的方法用来解决这个问题，主要依靠FCN生成固定大小的特征图，同时为了对不同大小的图片进行匹配，文章中还提出了Deep Spatial feature Reconstruction(DSR)的方法来避免这个问题。他把从模型中比较图片的相似度变成了模型提取特征，DSR计算spatial相似度。
传统的匹配方法如图a所示，通过resize行人图片来获得相同的特征。这会让目标变形，丢失已有的特征。利用固定大小的滑窗对图片进行搜索与检索图片进行比较，但是这个方法也存在弊端，当检测图片的大小大于数据集中图片的大小的时候，这个方法就没有办法进行。将图片分为固定大小的part，然后计算part与part之间的相似度，这个办法可行，但是所需要的计算量太大。
在这里插入图片描述

其构成如下：

（1）FCN without fully-connected layers
当人们使用CNN网络作为检测器在视觉检测任务重来提取特征的时候，通常需要一个固定大小的图片来进行输入。然而在partial ReID中，因为行人的图片是partial的，他们有着不同的尺寸，而resize有不可避免会导致性能的下降。文中作者提出，之所以需要固定大小的输入，是因为全连接层最后需要输出固定大小的特征向量。因此，在本文的模型中，作者删掉了所有的全连接层只保留了卷基层和池化层。这样FCN就能接收任意尺寸的partial图片作为输入了。模型中最后采取的FCN包含了13个卷基层和五个池化层，最后的输入是跟随输入大小可变的特征图。
在这里插入图片描述

（2）Deep Spatial Feature Reconstruction
这部分主要是介绍如何匹配不同大小图片之间的相似度。假定现在给定一对图像，一个是完整的行人图像j，另一个是任意partial的行人图像I。通过FCN提取相应尺寸的特征图 x = conv(I,θ) 和 y = conv(J,θ)，θ 是FCN中的参数。x是一个whd的张量，这三个参数分别代表了图像的高度宽度以及通道数。相应的，如下图所示，将x分为N个块Xn，n从1到N，N=wh，每个块的大小是11。相应的Y也是这样分。
在这里插入图片描述

       然后，每个Xn都可以用Y的现行组合来表示。那就是说，我们尝试在Y中搜索相似的块来重建Xn.因此，我们希望获得Xn的系数Wn和Y相关， w n ∈ R M×1 。又因为Y中只有很少的一部分和X重建相关，所以Wn使用了L1-norm。然后就有了下面这个表达式：
在这里插入图片描述
       为了实现这个方法，不仅仅要训练模型的权重系数，同时要优化W，所以训练主要分为两步：
       步骤一：固定θ，优化W。这一步的目的是求解重建矩阵系数W。
       步骤二：固定w，优化θ，为了优化FCN里的参数。