Weakly Supervised Person Re-Identification阅读笔记

Weakly Supervised Person Re-Identification

Jingke Meng，, Sheng Wu, and Wei-Shi Zheng 2019 CVPR

1. Motivation

还是处理ReID标注太难问题，做无监督和弱监督才比较实际。现在作者想打一个什么样的标签呢？原本是将视频帧中的行人裁出来打上ID标签，但costly。作者现在对视频帧不处理，直接打上有哪些人的标签，而不具体对应到那个框是哪个ID，于是就将弱监督问题转换为multi-instance multi-label learning(MIML)问题，最后还提出Cross-View MIML。

2. 介绍

标签形式：



共C人，标注C+1类标签，其中1是不确定ID的标签。

3. 方法

3.1 分类

首先是probe图像的分类损失：

和gallery图像的分类损失：


分类损失合写为：

3.2 Intra-bag Alignment

即同一摄像头下拍的视频中same ID图像聚类到一起，如下所示：

损失为：

3.3 Cross-view Bag Alignment

既让不同视野(相机)下相同行人的图像聚类到一起，如下图所示：

损失为：

最终，总损失为：

其中：

是熵正则化项。

实验结果：

和有监督的PCB差不多的性能。