【论文笔记】Camera Style Adaption for Person Re-identification

Camera Style Adaption for Person Re-identification

论文链接

（只记录论文中的Introduction和The proposed method部分）
一、简介：
由于深度学习行人ReID领域的对数据量的巨大需求和注释大量数据集的昂贵花费，通过关注不同相机间的style差异来添加更多的training sample是一个好的选择。这一点能够1）处理数据匮乏问题。2）学习不同相机间的不变特征。这个过程不需要大量的人工标注，因此开销较低。
本文提出了一种CamStyle相机style适应方法，来regularize行人Re-ID的CNN训练。在它的普通版本中，我们使用circleGAN。这种普通版本减少了过拟合，并得到了相机不变性特性，但是也给系统加入了许多噪声。当将方法应用到全相机系统中，这种不良情况会恶化，但是过拟合的风险变小。在改进版本中，加入了标签平滑正则化（LSR）在style转变（style-transferrd）样例上，它们的标签在训练时均匀的散布。
Camstyle有三个优点：
1.它能作为数据增强方案，不仅平滑了相机之间的显著差异性，也减少了CNN过拟合的影响。
2.通过合并相机信息，它通过利用相机不变特性协助学习行人身份。