Attend to the Difference: Cross-Modality Person Re-identification via Contrastive Correlation

题目：Attend to the Difference: Cross-Modality Person Re-identification via Contrastive Correlation
作者：Shizhou Zhang

一、研究动机
当人类比较两个相似的物体时通常会注意到其间的差异

二、研究目标
1.构建一种双路径跨模态特征学习网络
2.保留固有空间结构的同时，关注跨模态输入图片对之间的差异

三、技术方法
1.Dual-path Spatial-structure-preserving Common Space Network
目的：提取公共特征
结构：两条网络结构相似的支路
步骤：
①特定模态特征提取（特征提取）
②公共特征提取（特征嵌入，将特定模态特征映射到一个公共空间）

2.Contrastive Correlation Network
目的：使模型注意成对样本之间的差异
结构：内核生成模块、对比关系模块
步骤：
①内核生成模块：为某一样本生成个性化内核（旨在发现与常人不同的特征），并计算两个个性化内核之间的差异作为对比核

②对比关系模块：动态生成对比核，提取动态对比特征（区别于不考虑对比的固定特征提取的传统方法），并计算差别分数。

叉乘符号表示相关操作，相关操作是卷积操作，得到的值越大，差距越大：


3.Overall Loss Function

p:预测标签


四、提出方法的依据
1.三维特征张量保留了一定的空间结构信息
2.每个核试图说明样本的局部特征。滑动进行采样可捕捉一个人的内在特征，而不受光照、姿态、视角、模式等因素的影响

五、实验效果