Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training

行人重识别之动态分块训练

Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training
原文链接
这篇文章提出了两个思想：

• 图像局部和整体的信息都很重要，要联合使用。
• 在训练的过程中，损失函数的权重应该是动态变化的。

这两个思想的关联性不大，我们分开来看。

图像的分块和信息的利用：
对于行人重识别中图像的分块重要性我们已经熟知，但是通常是块与块之间的匹配，这样的做法不够严谨，于是作者使用了如下的分块方法。

我们只需要看绿色的部分，将三维的feature map分块(图中为了简便，将三维画成了二维)，将其分成了6块。分为6层，21个独立的feature map。
第一层：123456
第二层：12345、23456
第三层：1234、2345、3456
第四层：123、234、345、456
第五层：12、23、34、45、56
第六层：1、2、3、4、5、6
对21个feature map分别进一步提取特征向量，并使用交叉熵损失(图中的ID loss)，再将21个特征向量连接，使用三元组损失。

很简单的分块方式，不需要额外进行语义分割，但是实验效果却非常好。

损失函数权重的动态变化：
通常的做法是根据实验结果选择固定的损失函数权重。但是，在实际的训练过程中，损失函数的地位是动态变化的。比如，最开始的时候，模型还是懵懂阶段，对于它来说，所有的样本都很难识别。那么这个时候三元组损失就没什么意义。在最后的阶段，一些难以识别的样本渐渐浮出水面，那么三元组损失就变得重要起来。
注意：并不是说，交叉熵损失越来越不重要，三元组损失越来越重要，这是一个复杂的动态变化过程。

进一步，作者认为不同的损失函数应该对应不同的采样方法。
比如，使用随机采样(下文的random sampling)，行人身份众多，同一个label的图像很难采到两个及以上。举个例子，batchsize是8，用数字代表图像的label，那么一个batch的样本很可能是这样的：341，700，123，561，336，59，291，665。这样的话，三元组损失就没什么意义了，因为要存在正样本对。所以作者使用了ID-balanced hard triplet sampling，batchsize为64，每次取8个label，一个label取8张图。但是这种采样方式使得不足8张图的label不会被取到，所以需要两种采样结合使用。

作者的做法如下，具体数学推导可以在使用的时候参考原文，这里主要介绍思想。



FL(tp)和FL(id)可以分别理解为三元组损失和交叉熵损失在当前迭代中的重要程度。当交叉熵更重要时，使用random sampling+交叉熵损失。当三元组更重要时，使用ID-balanced hard triplet sampling+两个损失函数的加权组合。这就是一个权重动态变化的过程。

总结：虽然两个思想都不是很复杂，但是效果却十分好，可以应用于模型的baseline中。

完
欢迎讨论 欢迎吐槽