论文阅读18 | Neural Feature Search for RGB-Infrared Person Re-Identification

论文:Neural Feature Search for RGB-Infrared Person Re-Identification(RGB-IR 行人重新识别的神经特征搜索)

出处:CVPR2021

1. abstract

作者研究了一种一般的范式,称为神经特征搜索(NFS),可以自动地进行特征选择。具体地说,NFS结合了双层特征搜索空间可微搜索策略,在粗粒度通道和细粒度空间像素中联合选择与身份相关的线索。这种组合允许NFS自适应地过滤背景噪声,并以 data-driven的方式集中于人体的信息部分。此外,跨模态对比优化方案进一步指导NFS搜索最小化模态差异,最大化类间距离的特征。

2. motivation

RGB-IR ReID遭受可见图像和红外图像之间的视觉差异,这使外观线索(如颜色和纹理)对于匹配的任务来说并不可靠,甚至具有误导性;另外,由于不同的摄像机视觉、人的姿势、部分遮挡和背景杂乱而引起的较大类内变化,这使得对齐同一身份的图像变得更加困难。现存的两种方法:

  • cross-modality image synthesis methods: 为了最小化模态差距,跨模态图像合成方法,通常利用生成对抗网络(GANs)在模态之间传递风格属性,合成假的RGB/红外图像。但是,由于在红外图像中缺乏颜色信息,生成的RGB图像要想保留身份信息是很不平凡的。
  • shared feature learning approaches: 利用卷积神经网络(CNNs)进行跨模态特征对齐。一个有代表性的选择模型是双流网络,它包括特定模式的浅层和共享的深层。基于双流结构,一些研究利用了ReID的判别约束,例如使用 triplet loss 和 ranking loss来监督网络挖掘与身份相关的特征。他们都致力于学习一个更好的距离度量,以提高基于相似度的检索的性能,并在近年来取得了显著的成功。

不管哪种方法,ReID的关键始终是找到足够高质量的鉴别特征来进行匹配和检索。目前最先进的方法通常会引入 partition stripes(分区条纹)、 human landmarks(人体关键点)、 parsing mapsbody contour sketches(身体轮廓草图),以防止不相关的特征,保留与身份相关的特征。然而,手动设计的特征选择模块是非常困难和耗时的,这导致了不令人满意的性能。

自动机器学习(AutoML)的最新进展可能会提供一个积极的答案。Quan等人使用神经体系结构搜索(NAS),会自动生成快速而有效的CNNs,其性能与单模态ReID任务中手工制作的架构相当。 这一进展激发了本文所讨论的由神经元驱动的自动特征选择的想法。

Neural Architecture Search
近年来,神经结构搜索(NAS)研究在各个领域取得了相当大的成功,如图像分类、语义分割、目标检测,ReID,多模态融合等。一般来说,NAS的目标是自动搜索特定学习任务的最优操作或拓扑。他们首先构建一个面向任务的搜索空间,以定义原则上可以发现哪些架构。基于搜索空间,使用不同的搜索策略(包括基于强化学习的方法、进化方法、基于梯度的方法和MCTS方法),有效地提高样本效率和模型性能。

3. contribution

作者将特征选择转换为二层优化问题,即从最佳特征学习结果中推导出最优特征子集,并提出了一种新的范式,神经特征搜索。

  • 提出了一种基于自动机器学习驱动的神经特征搜索方法,自动进行特征选择,减少人为干扰。

  • NFS包括一个双层特征搜索空间,其中每个特征图都根据像素和通道维度进行分解,这允许以相互强化的方式共同执行特征选择操作。通道级搜索,可以从全局视角识别相关的响应图;像素级搜索,扫描每个空间位置,有选择地处理一个人的局部部分特征。

  • 为了提高搜索效率,利用重新参数化技巧reparameterization tricks)来放松搜索空间以保持连续性,这使得搜索神经元的优化与随机梯度下降(SGD)相一致。考虑到RGB-IR ReID固有的模态差异问题,进一步引入了一种跨模态对比优化方案作为监督信号。

4. methodology

模型的整体框架:
在这里插入图片描述

4.1 baseline

为了捕获模态不变的信息,第一个卷积块的参数对于每个模态都是独立的,而其他层则被共享以学习鉴别特征。在具有全局平均池的最后一个卷积层之后,使用共享的批处理归一化层来获得异构图像的最终表示。 使用在ImageNet上预训练的ResNet-50作为backbone。在训练阶段,我们的目标是尽量减少以下损失函数:Lb = Lid + Ltri 其中,Lid是交叉熵损失,Ltri是加权正则化的三元组损失(WRT)。

4.2 modality-aware neural feature search

NFS从基于CNN的特征空间中搜索与身份相关的特征。作者将自动特征搜索转换为一个超参数学习任务,其中搜索超参数和网络权值被联合优化,以推导出最优的鉴别特征子集。它可以被表述为一个二层优化问题:

在这里插入图片描述
给定输出特征图Y,我们寻找一个特征y∈Y的子集,它可以在优化网络权重W后最小化损失L(y,W)。在这里,强调了解决这个问题的两个关键点:一个双层特征搜索空间和一个有效的搜索算法。

① Dual-level Feature Search Space

搜索空间定义了可能发现的神经结构,它在高性能NAS中起着至关重要的作用。同样地,NFS也与设计一个良好的特征搜索空间密切相关,搜索空间应该尽可能多的覆盖与身份相关的线索。

由于鉴别特征主要由baseline的共享部分提取,因此我们建立了一个搜索空间,包括由每个共享卷积块block提取的所有候选特征。更正式地说,共享块L以一个特征图X∈R Cin×W×H作为输入,并输出另一个细粒度的特征图YL∈R Cout×W/2×H/2,即

在这里插入图片描述
p表示特定的像素位置,Rk是大小为k的核的支持区域,Wc∈RCin×Cout×k×k代表卷积权重,YL的并集形成了普通的特征空间Y={YL|L∈{1,…,N}},而N是block的块数。

因为判别性特征在YL的空间维度和通道维度中呈现出特定模态的分布,我们引入了模态感知搜索单元,将原始特征空间Y分解为两个子空间,像素级子空间和深度级子空间。前者包括在每个空间位置的向量,可以描述一个输入图像的局部部分。后者包含多个检测器响应图,可以全局地反映图像的特殊属性。

模态感知搜索单元的工作原理:

  • 给定输出特征图YL,首先初始化一组具有均匀分布的参数PmL,以将特征从模态m映射到一个特定的概率场。至于像素级的特征搜索,PmL∈RCout×W/2×H/2,覆盖了空间域中的每个像素。对于深度级搜索,PmL∈RCout包含YL的所有通道。
  • 在搜索过程中,概率场由一个sigmoid函数激活,表示为P˜mL=σ(PmL),去指示在相应位置的特征的可能性可以区分不同的人。
  • 然后,基于P˜mL生成一个二进制搜索门GmL( p),以确定是否应选择位置p处的像素。YL通过所有搜索门,输出激活图Y˜L可以表示为:

在这里插入图片描述
此时,二层优化问题转化为一个将所有搜索门Gm作为上层变量,将网络权值W转化为下层变量的优化问题。其中,Ltrain和Lval表示训练损失和验证损失。

在这里插入图片描述
② Search Algorithm

由于搜索空间是离散的和大规模的,因此通过枚举法来寻找最优特征集的效率很低。为了解决这一障碍,文章利用重新参数化技巧放松搜索空间以保持连续性,并通过SGD直接提高搜索效率。我们假设特征选择本质上是一个二元分类问题,因此利用连续伯努利分布来模拟随机离散采样,其中与P˜m∈(0,1)。基于Gm,采样特征Xm为:

在这里插入图片描述
松弛后,Gm和W可以使用直通估计器(STE)联合优化:
在这里插入图片描述
最后,优化问题可以使用以下神经特征搜索来求解。我们首先通过迭代优化带有Ltrain的W,和带有Lval的Gm,来搜索身份相关的特征;在获得最优搜索门后,按照标准的特征学习范式对整个网络进行训练和评估。
在这里插入图片描述
我们首先使所有的搜索单元都可学习,以发现最优的判别特征集。在获得最优特征集后,我们在原始训练集上对网络进行了重新训练。

4.3 cross-modality contrastive optimization

除了搜索效率之外,如何监督搜索单元来选择更多信息的特征也很重要。RGB和红外图像之间的外观差异往往会增大每个类的特征分布方差。我们打算从一个不变的特征选择的角度来减少特征分布的方差,这个基本思想来自于在对比学习方面的最新进展,它旨在吸引正对,同时排斥负对。给定一个训练批B其中一半是RGB图像Irgb,而其他的是与RGB对应的IR图像。

我们随机地把IRGB和IIR,分成跨模态的图像对(IRGB, IIR),并且根据身份生成该图像对的label,具体的:
在这里插入图片描述
对于每一个正图像对,我们寻求最小化它们之间的距离,从而共同消除模态差异和类内差异。在欧几里得空间中计算图像对之间的距离。
在这里插入图片描述
相反,对于负对,我们的目标是它们彼此远离。为了明确地实现优化目标,我们使用带有margin T来量化图像对之间的距离:
在这里插入图片描述
综合考虑正对和负对,可得:
在这里插入图片描述
NFS的整体学习目标是对baseline损失和跨模态对比损失的加权求和:L = Lb + λLc

5. comparison with state-of-the-art methods

在这里插入图片描述
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值