[论文阅读]Learning Discriminative Features with Multiple Granularityfor Person Re-Identification

Learning Discriminative Features with Multiple Granularityfor Person Re-Identification

这篇论文是CVPR2018 ACM Multimedia 2018 的文章，作者是上交和云从科技的大牛。是目前为止，在Market-1501数据集上效果最好的方法。单张图片检索（single query）的rank-1达到了95.7%，mAP达到了86.9%；在re-rank之后，更是高达96.6%和94.2%。本文的主要思想就是通过区域分割，来获得不同粒度的特征，比如全局和局部特征以及更细粒度的局部特征，通过一个网络的不同分支得到这些特征，每个分支都对不同的分割块进行特征提取。

Introduction

如上图，随着人体分割的块数越大，就越容易聚焦到人体局部的特征上，而这些特征恰是更具区分性的。而深度学习网络能在这些不同的分割的图像块上关注区分性的局部，提取特征。

一般而言，有3种不同的部件或者说区域分割的方法。

1. locating partial regions with strong structural information such as empirical knowledge about human bodies or strong learning-based pose information:即按照人体直立的先验，将人水平分，如六等分，七等分（按照网络特征图的大小）,或者利用姿态估计的方法，按照得到的姿态去分割人的不同部分。
2. locating partial regions with region proposal methods