Re-ID阅读笔记(一)：《Deeply-Learned Part-Aligned Representations for Person Re-Identification》
水平有限，疏漏之处在所不免，欢迎你们批评指正git
论文做者: 浙江大学赵黎明博士 等github
博客做者：LJW算法
论文连接： ICCV2017《Deeply-Learned Part-Aligned Representations for Person Re-Identification》网络
Github代码：here函数
摘要：
针对行人重识别中人体错位的问题，本文提出一种人体区域对齐的方法，训练好的深度网络将人体分解成几个有区分力的区域（这些区域不是手动分割的，而是模型以为比较有区分力的区域），而后计算各个区域的特征向量，再将各个区域的向量链接，获得整我的的特征向量表示。两张图片可获得两个特征向量，再计算它们的欧氏距离，获得类似性，便可分辨这两我的是不是同一我的。损失函数为Facenet中提出的Triplet损失。与大多数现有的深度学习算法学习Global Feature或空间分区学习Local Feature表示不一样，做者的方法进行人体区域分割，所以更具鲁棒性，能够适应各类人体空间分布。性能
简介：
早期的深度学习方法用local feature去作Re-id，就是用整图获得一个特征向量进行图像检索，而不考虑人体的姿态变化。后来你们逐渐发现全局特征遇到了瓶颈，因而开始渐渐研究起局部的local feature。经常使用的提取局部特征的思路主要有图像切块、利用骨架关键点定位以及姿态矫正等等。学习
(1)Global Feature：
(2)水平分割提取Local Feature：
(3)网格分割提取Local Feature：
虽然空间分割的方法提升了准确率，可是缺也存在一些缺点，做者贴了张图说明问题。a、b是同一我的，可是基于空间分割获得的①②的特征表示显然不同；而b、c不是同一我的，⑤⑥的特征表示应该是相近的。spa
由此可看出两个问题:blog
- 行人姿式多变，人体空间分布不鲁棒；
- 空间分割的可靠性创建在人体空间分布大体相同的假设下，但这种假设很难保证全部状况，以下图d，虽然也有基于特征点的匹配方法，可是过于复杂。
做者方法：
(1)损失函数：图片
传统的Triplet损失，其中 I 为图片提取的特征向量
(2) Part-Aligned Representation ：
对一张裁剪好的行人图片，用FCN提取一个三维的tensor，这里的FCN是将GoogleNet的FC变成CNN。而后输入K个通道中，每一个通道的part map detector 是一个卷积层+sigmoid。卷积层能够当作权重图，不一样通道对不一样人体部位的响应不一样，通过训练以后能够可视化获得下图。part map detector以后再进行池化和降维获得局部位置的feature vector，而后再将K个通道的feature vector链接成一个vector，L2归一化后获得行人的feature embedding，即Triplet里的 I 。
局部响应的可视化：
值得注意的是，这些人体部位响应是模型经过训练获得的具备区分力的位置，而不是人为添加部位label。
试验：
(1)K值的选择：8通道性能最好
(2)在market-1501等数据集上的表现：state-of-the-art results