[論文レビュー] A Coarse-to-fine Pyramidal Model for Person Re-identification via Multi-Loss Dynamic Training.

Feng Zheng, Xing Sun+4 more|arXiv (Cornell University)|Oct 29, 2018

Video Surveillance and Tracking Methods被引用数 15

ひとこと要約

本論文は、多スケール特徴量と動的訓練方式を活用して正確なバウンディングボックスに依存するのを軽減する、粗いから細かいスケールへのピラミッド型モデルを提案する。スケール間で局所的・大域的ヒントを統合し、動的訓練によって2つの損失を統合することで、最先端の性能を達成し、挑戦的なCUHK03データセットにおいて、以前の最良手法より9.5%高い性能を発揮した。

ABSTRACT

Most existing Re-IDentification (Re-ID) methods are highly dependent on precise bounding boxes that enable images to be aligned with each other. However, due to the inevitable challenging scenarios, current detection models often output inaccurate bounding boxes yet, which inevitably worsen the performance of these Re-ID algorithms. In this paper, to relax the requirement, we propose a novel coarse-to-fine pyramid model that not only incorporates local and global information, but also integrates the gradual cues between them. The pyramid model is able to match the cues at different scales and then search for the correct image of the same identity even when the image pair are not aligned. In addition, in order to learn discriminative identity representation, we explore a dynamic training scheme to seamlessly unify two losses and extract appropriate shared information between them. Experimental results clearly demonstrate that the proposed method achieves the state-of-the-art results on three datasets and it is worth noting that our approach exceeds the current best method by 9.5% on the most challenging dataset CUHK03.

研究の動機と目的

• 実世界のシナリオではしばしば不正確なため、人物再識別モデルが正確な真値バウンディングボックスに依存するのを減らすこと。
• 不正確または不完全に検出された画像ペアの再識別性能を向上させるために、多スケール特徴表現を活用すること。
• より良い特徴学習を実現するため、複数の損失関数を滑らかに統合する動的訓練戦略を開発すること。
• ピラミッド構造を通じて粗いと細かいスケールの特徴を統合し、識別的なアイデンティティ表現を強化すること。

提案手法

• 本手法は、複数スケールの特徴を捉える粗いから細かいスケールへのピラミッド型アーキテクチャを採用し、画像が正確にアラインされていなくても頑健なマッチングを可能にする。
• ピラミッドの各レベルで局所的および大域的特徴を段階的に統合することで、さまざまな詳細レベルでの表現学習を向上させる。
• 2つの損失関数を統合するための動的訓練方式を導入し、最適化の過程でそれらの寄与を適応的にバランスさせる。
• 動的損失統合を通じて、アイデンティティ分類とメトリクス学習の両方を同時に最適化することで、識別的なアイデンティティ特徴を学習する。
• ピラミッド構造により、スケールをまたいで正しいマッチングを探索でき、アラインメントのずれに対する耐性が向上する。

実験結果

リサーチクエスチョン

• RQ1 バウンディングボックスが不正確な場合に、多スケールピラミッドモデルは人物再識別性能を向上させることができるか？
• RQ2 トレーニング中に複数の損失関数を効果的に組み合わせることで、特徴の識別性を向上させることができるか？
• RQ3 粗いから細かいスケールの特徴統合は、再識別における正確な物体位置特定への依存をどの程度軽減できるか？
• RQ4 提案された動的訓練方式は、挑戦的な再識別ベンチマークでより良い一般化性能と性能をもたらすか？

主な発見

• 提案手法は、3つのベンチマーク人物再識別データセットで最先端の性能を達成した。
• 最も挑戦的なCUHK03データセットにおいて、本手法は以前の最良手法より9.5%高い再識別精度を達成した。
• 多スケール特徴統合のおかげで、アラインメントがずれているか、正確に検出されていないバウンディングボックスに対しても、強力な耐性を示した。
• 動的訓練方式は2つの損失関数を効果的に統合し、より良い特徴学習と識別的表現をもたらした。