【Person Re-ID】Large-scale Person Re-identification as Retrieval

paper下载地址：http://www.yaohantao.com/cv/paper_671.pdf

code下载地址：https://github.com/coldrainyht/ICME2017

Introduction

如果直接将分类网络运用于Person Re-ID任务的话将会有几大缺点：

• 训练一个分类网络需要大量的数据，Re-ID任务目前没有特别大的数据集。
• 分类网络最后一层的神经元个数与训练集的分类个数有关，且参数量较大。

本文的贡献主要有两点：

• 将卷积网络的最后一层全连接层换成卷积层和global pooling层，适用于不同的Re-ID任务。（常用技俩）
• 采用coarse-to-fine的策略，缩小搜索空间，达到更好的判别性。

Approach

改造网络，将最后的全连接层替换为卷积层和global pooling层。比如AlexNet，将最后的fc7和fc8替换为卷积层和global pooling层。卷积层的通道数为训练集的分类个数，加上global pooling之后就相当于得到属于每类的描述符，然后用softmax分类。

在inference阶段，去掉替换的层，只用前面的卷积层的输出作为feature map，因此不依赖训练集的类别数，泛化能力更好。然后对这一层的feature做global pooling得到全局特征，即1024维特征，然后经过PCA降维得到128维的特征。

局部特征的提取和全局特征类似，只是将输入图像等分成4部分，由于提特征网络是个全卷积网络，因此输入图像的大小可以随意，因此将每部分分别输入网络都会得到1024维的特征（未用PCA降维）。

整个coarse-to-fine的过程是先线下提取gallery的全局特征和局部特征。coarse阶段先对query中的图像提取全局特征，从gallery中挑选排名前500的图像，fine阶段对query图像提取局部特征与挑选出的500张图像的局部特征进行对比。

Experiment

第一个实验是对比改造后的网络性能对比

• 改造过的网络性能要比原始网络要好不少。
• 输入图像变大，性能有提升。

第二个实验是加入fine-level的性能对比

点评：这种方法训练起来比较简单，但应该算不上真正意义上的coarse-to-fine，因为fine-level用的还是coarse网络，没有对各个部分分别进行训练。另外这种分成4部分的做法也显得很粗糙。