【行人识别】Deep Transfer Learning for Person Re-identification

Geng, Mengyue, et al. “Deep Transfer Learning for Person Re-identification.” arXiv preprint arXiv:1611.05244 (2016).

概述

本文解决行人的Re-Identification问题：判断两次出现的人是否是同一个人。在Market 1501竞赛中名列榜首，其Rank-1准确率比第二名高出约4%，和传统方法相比提升更是十分明显。

本文的亮点有三：

• 在网络结构方面，使用训练好的GoogleNet进行特征提取；同时使用Verification和Classification代价进行优化。
• 在训练时，分两步进行参数调优，使得小数据集的使用成为可能。
• 使用一种巧妙的非监督方法，利用未标定的大量视频数据。

网络结构

特征提取

使用在ImageNet上训练好的GoogleNet¹提取$K=1024$维特征。

GoogleNet约有100层网络，其中由参数的只有22层（如果算pooling是27层），整体参数不超过10M。需要训练的参数少，也是作者选择GoogleNet的原因。

由于充分利用了大训练集上的预训练结果，本文的正确率比以往工作有了明显提升。

代价

同时考虑两个代价。
分类代价：将一个输入图像分类为已知的N个类别中的一类。

鉴别代价：判断两个图像是否为同一个人。特别注意，上下两路中的dropout层完全相同，保证略去的节点位置对应。

同时考虑两个代价，也是本文正确率高的原因之一。

需要特别声明的是，GoogleNet在不同阶段实际有三个输出。对这三个输出都同等地施加上述两个代价。

测试方法

在执行行人识别任务时，实际被利用的只有GoogleNet部分的网络。遵循如下规则。

预处理

• 计算所有gallery中人的特征

识别

• 对输入图像，计算其特征
• 与gallery中特征逐个比较，计算欧式距离
• 距离最小的，认定为识别结果

训练方法

监督学习

在监督学习场景下，数据库中的每个样本标定的人员身份。

初始化时，提取特征网络使用GoogleNet参数，softmax部分随机初始化。

训练分为两步完成：

• 固定其他参数，只训练softmax层
• 训练所有层参数

一个特别一点的情况是，用于训练的行人数据库有两个，一个包含$N_1$个人的较大的库作为辅助，一个包含$N_2$个人的较小的库为目标。

训练分为三步：

• 固定其他参数，在大库上训练输出为$N_1$的softmax层
• 固定其他参数，在小库上训练输出为$N_2$的softmax层
• 在小库上训练所有层参数

无监督学习

非监督学习场景下，人员身份未标定，但能够区分图像是否来自不同摄像机。

为简洁起见，设有两个摄像机$a,b$，分别拍摄了$M_a,M_b$张行人图像，记为 { X a } , { X b } \{ X_a \}, \{X_b\} { Xa​},{ Xb​}。

经过特征网络提取的特征记为 { Y a } , { Y b } \{ Y_a \}, \{Y_b\} { Y