行人重識別之cross domain
EANet: Enhancing Alignment for Cross-Domain Person Re-identification (2018arXiv)
原文鏈接
這篇文章從alignment（對準）的角度解決cross domain問題，最後的模型在source到source和source到target的效果均有了明顯的提升。本文的算法思路比較簡單清晰，實驗部分較爲精彩。推薦大家看看原文的實驗部分，爲自己寫論文時的實驗部分提供參考。
先說一下alignment問題，如下圖所示。盲目將圖像進行分塊並計算塊與塊之間的相似度，在很多情況下是不合適的。
所以，很多學者研究了相關算法，使行人的各個部分對齊，如下圖。
這篇文章的思路是利用行人的關鍵點，將行人進行分塊和對準，如下圖。在此基礎上，進行遷移學習。
基於以上內容，分析一下文章的算法。
如圖左下角所示，將圖像分爲9個部分。前6個部分是依靠關鍵點進行分割。後3個部分分別是上半部分、下半部分、全身，均是固定的比例。如果沒有檢測到某一個部分，那麼這部分的特徵就是一個0向量。如果，0向量屬於query，那麼該向量保留。如果0向量屬於gallery，那麼該向量直接被捨棄。這裏有一個思想：當使用的其它算法的效果並不是完美時（如圖中的關鍵點檢測分塊算法），那麼我們可以結合一些其它方法（如圖中的後三個部分）作爲互補，這樣的魯棒性就會高一些。
圖中的上半部分是將9部分的特徵分別做最大池化，並根據行人id進行交叉熵損失計算。圖中的下半部分根據特徵對行人圖像進行分割，進行像素級別的分類任務，標籤是訓練好的圖像分割模型在行人數據庫中測試時獲得的僞標籤。這裏的思想是：如果可以根據特徵分割準確（下半部分），那麼各個部分的特徵也將更具區分力（上半部分），降低了各個部分特徵的冗餘性。
最後，在source上訓練的時候，綜合上下兩個部分。在target上遷移的時候，只使用下半部分（因爲target沒有id標籤）。
總結：這篇文章給了我一個啓發，一些可能和cross domain無關的問題，比如文中的alignment問題，如果得到了妥善的解決，那麼也會對cross domain起到幫助作用。所以思維應該打開，不要總想着數據庫風格遷移之類的。改善一些常見問題，也許就會有不錯的效果。
完
歡迎討論 歡迎吐槽