论文阅读19 | A Similarity Inference Metric for RGB-Infrared Cross-Modality Person Re-identification

论文：A Similarity Inference Metric for RGB-Infrared Cross-Modality Person Re-identification

出处：IJCAI2020

1. Contribution

思想： 现存的共享特征法和基于GAN风格转换的方法，更关注于如何减少跨模态的差异，而在gallery中同一模态样本之间的相似性被忽略了。本文提出了一个相似度推理指标（SIM），利用gallery中同一模态内样本的相似性，来辅助推理跨模态的差异。本算法提出了一种新的计算距离的方法，可以在推理阶段对排序进行优化。

上图，g1和g4和query是同一个类，但是g1与query比较相似匹配正确，g4和query差异较大匹配错误，但是如果考虑到gallery中g1和g4的相似性较大，在原有基础上考虑上这一点，g1和g4就会匹配正确。同理，原来负样本也有可能匹配正确，但是考虑上负样本和g1的相似性，负样本就不匹配了。

方法： 并不像大多数现有的方法那样使用 query-gallery 相似度矩阵，本文引入了相似性图推理（simarilarity graph reasoning，SGR）和相互最近邻推理（ mutual nearest-neighbor reasoning，MNNR），发现模态内样本的相似性，并规避交叉模态的差异。

2. The Proposed Approach

给定一个IR的查询图像q，和包含N个RGB图像的gallery数据集，根据库图像与q的相似性对库图像进行排序。 现有的方法通常就是直接比较样本特征，来计算相似性度量，这样精度往往比较低。本文提出的SIM，利用gallery样本间的鉴别模态内相似性，来提高跨模态的相似度指标。

2.1 Feature Representation

使用一种共享权重的双流CNN结构，以从红外和RGB图像中学习特征和图像表示，通过优化交叉熵损失和三元组损失，对CNN模型进行了训练。

在推理阶段，query集中的每个IR图像和gallery集中的每个RGB图像，被喂到训练好的模型中提取特征fq，fg。通过计算所有query特征和gallery特征之间的L2距离，可以获得query-gallery相似度矩阵Dqg（Nq×Ng），每个矩阵元素D(i,j)表示fqi和fgj之间的距离。同理，可以获得gallery-gallery相似度矩阵Dgg (Ng×Ng)。由于模态差异较小，并且包含丰富的光学信息，所以Dgg应该是比Dqg更具有鉴别性。

2.2 Similarity Graph Reasoning

其想法是，对于一个查询图像q及其相似的gallery图像g，其他与g相似的gallery图像，也应该类似于q，即使它们可能与q有很大的距离。

利用矩阵Dqg和Dgg，在整个测试集上定义了一个相似度图A(V、E)，包括所有的query和gallery。V={Q；G}中的每个节点都代表一个图像样本，Q表示query集，G表示gallery集。E中的每条边都表示其所连接的两个节点之间的相似性。我们用Dqg初始化跨模态边缘（query-gallery），用Dgg初始化模态内部边缘（gallery-gallery）:

针对query图像qi和gallery图像gj，将相似度图推理中的距离d（qi、gj）定义为节点qi和gallery集G之间从qi到gj的最短路径。具体地说，假设Ωqi,gj表示包含从qi到gj的所有可能路径的集合。对于任何路径P∈Ωqi,gj、P=(p1、p2、……、pn)、p1=qi、pn=gj、pk∈G(2≤k≤n-1)

由于在gallery库中使用的L2度量满足下面的三角形不等式

因此，可以简化查询库距离：

此外，为保证稳定性，我们使用第前K个最短路径的平均值，而不是一个最短路径。

在实际操作中，为了降低计算复杂度，删除了gallery对之间的所有无用边，除了每个样本和库中的k最近邻居之间的那些。

2.3 Mutual Nearest-Neighbor Reasoning

在假设查询图像qi和gallery图像gj，在gallery集中有相同的相互的k-最近的邻居，那么他们更有可能是真正匹配。
首先，使用图库集作为搜索空间，而不包括查询图像。对于红外查询q，它对相似的库图像进行排序，得到其kq个交叉模态最近邻：

对于RGB图像g，它使用Dgg将gallery进行排序，并获得其kg个模态内部最近邻，记作R∗i。因此，q和g的相互最近邻可以由重叠来定义，直观上说，更相互的近邻意味着更高的相似性：

2.4 Similarity Inference Metric

整体算法：

3. Comparison with State-of-the-Arts