Parameters Sharing Exploration and Hetero-Center based Triplet Loss for Visible-Thermal Person Re-Identification
简述:
采用双流网络来解决多模态识别中最具挑战性的跨模态差异问题。在本文中,我们探讨了两流网络应该共享多少个参数,这在现有文献中仍未得到很好的研究。同时,提出了提出了hetero-center based triplet loss,通过将anchor与其他所有样本的比较改为anchor与其他所有样本中心的比较,来减少传统的triplet loss的严格约束。
模型:
该模型主要由三部分组成:(1)two-stream backbone network同时探索参数共享(2)部分级特征提取block和(3)loss:hetero-center based triplet loss 和softmax loss。
1.two-stream backbone network同时探索参数共享:
将backbone为res50分为6种情况,如下表的s0-s5,可以看到s2为最佳方案,即上图所示的network。