行人重識別之行人屬性
Improving Person Re-identification by Attribute and Identity Learning
原文鏈接：https://arxiv.org/pdf/1703.07220.pdf
這篇文章的主要有兩個貢獻：
- 對market1501數據庫和Duke數據庫的行人屬性進行了標記，方便了後人的工作。數據庫與代碼鏈接：https://vana77.github.io
- 利用行人屬性對行人重識別的性能進一步改進。
首先，直觀感受一下，什麼是行人的屬性。
如上圖，左側的三列圖片是符合屬性描述的圖片，右側是不符合的。作者利用了很多屬性，這些只是一部分。
當然，只能利用一些固有屬性，比如服裝、顏色等。行走姿勢、是否騎自行車等同一個人也會不一樣的屬性當然就不能利用。
接下來，分析一下網絡結構。
如上圖所示，網絡分爲兩個部分。藍色的對行人的M個屬性進行識別（比如屬性i是上衣的顏色，分爲三個類別，紅色、綠色、藍色，那麼對應的FCi就是一個三維的向量），黃色的對行人的身份進行識別。最後有M+1個全連接層，對行人的身份進行綜合的識別。
損失函數如下：Latt對應每一個屬性的損失，LID對應行人身份的損失，都是交叉熵。
最後看一看實驗結果：
可以看出，對不同屬性進行識別的全連接層的關注點是不一樣的。
通過刪除某一個屬性，做消融實驗。可以看出某些屬性反而起了負面作用，比如是否有帽子。鞋的顏色和是否有揹包就會產生較大的積極作用。
總結：深度學習發展日新月異，一些簡單的功能也不能忽視（文中的屬性識別），把一些小的功能相結合，或許會產生1+1>2的效果。另外，勤奮一些，比如文中數據庫的標記，一定花了很多功夫，活該人家發頂會。最後，作者人美文章多，我又受到了打擊…
完
歡迎討論，歡迎吐槽。