【论文笔记】AlignedReID: Surpassing Human-Level Performance in Person Re-Identification

1Introduction

• 行人识别的挑战

在不同时间地点，识别同一个人

在多摄像头或照片中，追踪同一个人

图像库中搜索行人

相册照片聚类

商店访客分析

难点：variations in pose, viewpoints illumination, and occlusion

• 传统解决方案：

专注于低水平的特征，例如颜色、形状和局部描述

深度学习CNN：通过各种度量学习loss端到端的学习特征

  Contrastive loss, triplet loss, 改进的triplet loss , quadruplet loss , and triplet hard loss

• 基于CNN学习全局特征的方法，没有考虑人的空间结构，弊端：1 2 3 4

当前的解决思路：

1）local feature learning

将整个身体分成一些小部分，但是没有考虑部分对齐

无法解决上述困扰：inaccurate detection box, pose variation, and occlusion.

1. pose estimation： additional supervision

               a pose estimation step (which is often error-prone)

• AlignedReID算法：learns a global feature

                在学习期间会进行自动局部对齐，并且不需要额外的监督和姿态估计

学习阶段：

two branches for learning a global feature and local features jointly

local branch：a shortest path loss 来 align local parts

inference stage:仅提取全局特征

metric learning setting :(研究物体间距离)：采用mutual learning approach 让两个两个模型互相学习更好的表示

结合了AlignedReID和相互学习：战胜了其他模型以及人类的表现

 

2Related Work

• Metric Learning：

将原始图像转化成嵌入特征，计算出的距离作为他们的相似度

主要的方法技巧：

Triplet loss 会减小正负样本对的差距。通过hard mining 为训练模型选择合适的样本是有效的。将softmax loss 和metric learning loss 结合起来加速收敛也是普遍的方法

• Feature Alignments：

学习的全局特征来你表示行人图像，但是忽视了图像的空间局部信息

一些模型尝试将图片分为多个部分学习局部信息，但是因为没有对齐依然不能解决检测框不准确，遮挡以及姿态错位的问题

近期流行的alignments方法：

pose estimation 例如，姿势不变嵌入（PIE）将行人与标准姿势对齐，以减少姿势[52