Person Re-identification 系列论文笔记(二):A Discriminatively Learned CNN Embedding for Person Re-identification

时间:2022-09-13 10:44:49

  A Discriminatively Learned CNN Embedding for Person Re-identification

Zheng Z, Zheng L, Yang Y. A Discriminatively Learned CNN Embedding for Person Re-identification[J]. Acm Transactions on Multimedia Computing Communications & Applications, 2017, 14(1).

  本篇论文是一篇基于深度学习的行人重识别探索,主要的特点是采用双loss组合(Identification loss and verification loss)去增强特征的表达(提高类内特征的聚拢性和类间特征的区分性)。

  这里面的verification loss可以借鉴metric learning中的方法,如contrastive loss、triplet loss等等一系列。其实结合meric learning和cnn的方案最早是出现在人脸识别领域中(如王晓刚老师组的deep ID 系列和google的triplet等)。

  而人脸识别和Re-id在特征学习上有相通性,所以特征学习这块的方法是可以借鉴的。

        contributions:

  1.提出使用identification loss and verification loss结合的siamese网络,从而获取差异性的行人特征。

  下面有identification 和verification的区别:

  Person Re-identification 系列论文笔记(二):A Discriminatively Learned CNN Embedding for Person Re-identification

         pipeline:

  identification部分,采用了softmax进行目标分类,而verification部分,考虑到contrastive loss在数据规模小时有过拟合的风险(因为有正类不断拉近的损失),改用cross-entropy loss 进行二分类。

 

   Person Re-identification 系列论文笔记(二):A Discriminatively Learned CNN Embedding for Person Re-identification

     experiments

           特征进行可视化效果如下图所示,可以看到双loss能获得更好的特征表达:

    Person Re-identification 系列论文笔记(二):A Discriminatively Learned CNN Embedding for Person Re-identification

     market-1501上测试结果:

Person Re-identification 系列论文笔记(二):A Discriminatively Learned CNN Embedding for Person Re-identification