论文阅读 Batch DropBlock Network for Person Re-identification and Beyond

Batch DropBlock Network for Person Re-identification and Beyond

 

摘要

 

 

重识别问题的难点主要在于姿态的多变，随机遮挡等会降低模型的精度，本文提出了一个BDB的网络，主要有两个分支，一个是主分支是resnet50网络，另一个是drop分支。Drop分支主要是为了抽取局部关注点信息，随机的去除batch中输入feature map的相同区域。然后将两个分支的输出concat，这种方式不但能够应用到重学习中也能够应用到其他场景。

 

简介

 

本文使用BDB网络，完成对齐度量任务。其中的BD block在训练的时候会随机消去一个batch中输入feature maps中相同的区域，也就是相同语义身体部分。

文中所提到的BD block和一般的drop机制不太一样。首先一般的drop机制是分类任务中正则化的一种方法。第二 BD block在一次迭代过程中，一个batch的图像消除相同区域的feature maps。但是一般的drop机制是随机的消除。这样做的主要原因是，需要提取相同的特征进行匹配。

 

网络结构

 

    和其他重识别的算法一样，主要使用ResNet50作为backbone网络，本文将ResNet50中的第4stage的下采样去除掉。得到2048*24*8这样的feature map。

基础网络，在backbone网络的基础上，也就是ResNet50的第四阶段以后，使用一个global average pooling得到2048的向量，然后使用1*1的卷积变成512向量。后面加上BN层以及Relu层。 我们把这样的结构成为ResNet-50 BaseLine

Batch DropBlock 层，首先有一个经过backbone网络计算的一个batch图像的特征张量T，然后BD block随机去除相同的区域T。所有的在dropping 区域的单元输出为0，BD block层使用triple loss训练这里不需要在训练的过程中改变超

参。

 

 

网络结构如下：

BDB结构网络，包含global 分支部分以及特征drop分支部分。一般来说主分支在辅助分支之前训练。因为这样可以为辅助分支提供较好的feature map。在实验中单纯的训练辅助分支的效果较差。 在BDB网络中不能消除过大的map区域，这样会使得网络训练不稳定，一般的训练策略是首先给出一个较小的消除区域，随着训练的深入，消除区域逐渐扩大。但是在BDB网络中不需要这么做，因为主网络会适应drop网络的训练。

 

特征drop分支，在特征map T的基础上产生擦除的map T’, 然后使用全局最大的pooling，得到2048维度的特征向量，之后向量从2048维度变成1024维度。

 

BDB网络中主网络使用的全局平均池化，辅助网络使用的是全局最大池化，主要是因为最大池化可以识别相对较弱的特征，当大多数的判别部分被抹去的时候，最大池化能够促进网络学习弱特征。

在测试期间，将全局网络的输出与辅住消除网络的输出concat一起，作为图像的embedding向量。

值得一提的是，BD层是没有参数的，所以不会增加网络的规模。 BD层可以用于其他任务学习而不仅仅是重学习。BD层的超参是可调的针对于不同任务。

 

Loss 函数是soft-margin batch hard triple loss, 还有softmax loss在主网络以及特征消除网络中。

 

试验部分

 

BD层中，消除概率是高的消除比例是0.3，宽的消除比例是1。

训练，训练使用的是4块1080T的GPU，128batchs，每个batch中有四个统一身份的图像，也就是每个batch 有32人。文中使用的是soft margin triplet loss这样避免了参数margin。

dropout与BD层的区别。