论文阅读

代码地址: https://github.com/yuange250/Video-based-person-ReID-with-Attribute-information

1. 框架

2. 问题分析

DVDP问题： 正样本对的距离抖动比较大，Distance Variance among Different Positives (DVDP) problem

• 负样本的距离都大于0.3，正样本的距离满足效于0.3时，变化和抖动比较大
• 论文中分析，对于DVDP问题，一般的Reid特征分布没有规律，但是从属性的距离来看，DVDP和属性呈负相关，属性越相关，距离越近；反之，越远

属性noise问题

如d所示，一张图片存在多个行人的时候，属性模型识别的行人属性可能不是我们想要的那个行人的属性。
因此，我认为本文的主要的方法，使用更精确的属性进行triplet-pair mining

3. 方法

• Attribute-aware Intra-Class Triplet Loss：使用属性的距离进行mining，挖掘的对象是正样本对中

  • attribute-aware intra-class negative
  • attribute-aware intra-class positive

• Spatio-temoral attention

• 
  这个没啥好说的，就是把特征图做卷积，变成mask最后乘到特征图上

• loss
  

挖掘办法：

把triplet的挖掘变成，使用按照属性进行挖掘

4. 实验

从可视化图的来看，attention在1和3比较明显，在2和4中感觉体现的并没有那么明显的

结果

DVDP问题解决的分析

图中的曲线代表：

• 蓝色：average distance between the intra-class negative and intra-class positive for all anchors in each batch
• 黄色：mAP in every validation process

5. 总结

本文提出的问题是有意义的，bbx中存在多个人时，属性确实带来一定程度的noise。因此本文相当于在triplet loss的基础上，结合属性设计了一种更细粒度的mining方法。意思是，对于所有正样本对，属性（衣服，姿态啥的）更相同的距离更小作为约束（说实话，我对于这种方法work的原因还是不太理解，并且文章解释的也不是很清楚，没有数学上的推导以及原理上的说明，就是放了一堆实验）。