AlignedReID ： 最短路径的理解

论文读完以后，一直也没有仔细思考动态对齐的细节实现，如何直观的理解Face++提出的AlignedReID最短路径的原理和算法，我们直接用图来解释。

动态规划

如图所示，乍一看，这条最短路径上有一些边是冗余的，例如图中的第一条边。为什么不只寻找那些匹配的边呢？作者给出的解释是这样的：局部信息不仅要自我匹配，也要考虑到整个人体对齐的进程。为了使匹配能够从头到脚按顺序进行，那么有一些冗余的匹配是必须的。另外，通过设计局部距离函数，这些冗余匹配在整个最短路径的长度中贡献很小。

动态规划实际是为了解决两幅图像之间的 Part对齐问题，如图 [part1]<->[part4]

1）Part model能够对目标特征进行细粒度刻画，是非常必要的

2）最短路径包含非相关特征（如part1<->part1），这非但不会对结果造成影响，而且还会对维护垂直方向对齐的次序起着至关重要的作用。
即 路径规划本身隐含了自上而下的顺序。
注：非相关特征距离d比较大，其梯度接近于0，因此对于最短路径的贡献是比较小的。
有兴趣的同学可以参考下面的公式证明一下。

3）路径规划过程

先来看part距离公式（H表示水平划分，文中已验证最好的H=6）：

规划从（1,1）到（H,H）的最短路径，参考公式：

规划得到的SH,H最短路径即是两幅图像最佳的Local 匹配。

下面给出详细过程图解：

如何从公式和模型的角度出发看最短路径的由来？

参考文献：

1.https://zhuanlan.zhihu.com/p/31521408

2.https://blog.youkuaiyun.com/gavinmiaoc/article/details/80333077