题目：Partial Person Re-identification with Part-Part Correspondence Learning

题目：Partial Person Re-identification with Part-Part Correspondence Learning

作者：Tianyu He

参考：自监督、自监督

一、研究背景：

许多方法在使用时默认输入图片都是完全满足需求的，然而在实际应用时，输入图片往往没有那么完美。如果不对这些方法做出调整，残缺的输入图片会让实验效果大幅降低。因此，这篇文章致力于用自监督的PPCL网络学习局部与局部之间的关系，以更好地处理处理残缺图片。该网络不需要局部级的监督，只需要用PP-cycle和PP-triple约束。

二、研究目的：

1、通过同时解决

（1）输入图片大小不一致的问题

（2）度量相似性时不相关区域产生噪声的问题

2、弥补CNN网络不能很好地处理局部-全局关系的缺陷，实现仅用一系列局部图片来完成识别。

三、技术路线：

输入一张局部行人图片

用GLRec模块生成一系列仿射变换系数，以指导局部图片的转换

用CRLoc模块，在PP-Cycle和PP-Triplet损失约束下，定位相应区域；

1.Gated Layout Rectifier (R + G + T)

R：估计仿射变换系数、残缺图片置信分数

用自监督方式训练模块R：

G：门限

 T：残缺图片进行校正：

2.Feature Extraction (F)

3.Corresponding Region Locator (L)

在完整图片y中找到与残缺图片语义相同的部分

 

4.损失

（a）Part-Part Cycle Constraint（重建损失）

（b）Part-Part Triplet Constrain

 

（c）总损失

四、实验效果