行人重識別之局部特徵
AlignedReID: Surpassing Human-Level Performance in Person Re-Identification
原文鏈接：https://arxiv.org/pdf/1711.08184.pdf
本文的標題很唬人，其實疊加了很多的tricks。除了本文最重要的創新點局部特徵聯合之外，還利用了Mutual Learning、rerank、hard triplet loss。在Market1501和CUHK03上的mAP分別達到了90.7%和97.8%。所以雖然 tricks很多，但是也讓我們看到了計算機的潛能。
接下來，重點聊聊這篇文章中提出的局部特徵聯合吧。
先看看網絡結構：
global feature很簡單，沒什麼特別的。主要看看local feature部分。對於每一張圖片的2048x7x7的特徵向量，通過池化和1x1卷積生成了128x7的特徵圖。共有七行，每一行與圖片的七分之一的水平分割塊相對應。
這也沒什麼特別的，看到這，一般人的想法都會認爲所謂聯合就是比較一下兩張圖的7個部分，計算出7x7=49種相似度，再算出總的相似度。但是作者提出來了一種神奇的新思想。
用f和g分別代表兩張圖的特徵，每一個特徵都有H（7）行，用如下公式計算出行與行之間的距離。這樣就可以計算出一個7x7的矩陣。
重點來了，如何用這個矩陣計算總的相似度呢？
如上圖所示，計算從（1，1）走到（7，7）的最短路徑（也就是這條路徑上所有的相似度之和最小）。這樣，圖中的拐點就表示兩個圖像相對應的位置，比如（2，4），表示A的第二塊和B的第四塊是對應的，而圖中也確實是對應的。這樣在優化的過程中，就會不斷優化拐點的距離，同類減小，異類增大。直接實現了局部特徵的充分利用，間接實現了圖片的軟對齊。
最後我們看一個例子，看看大家是否具備行人重識別的慧眼。
反正我是看不出來到底是第三個還是第六個，作者也沒給答案。所以計算機確實挺厲害的…
總結：這篇文章讓我們看到了計算機的潛力，所以AI確實大有可爲。另外，引用作者的一句話作爲結尾：the end-to-end learning with structure prior is
more powerful than a “blind” end-to-end learning
完
歡迎討論 歡迎吐槽