[論文レビュー] Adaptation and Re-Identification Network: An Unsupervised Deep Transfer Learning Approach to Person Re-Identification

Yu-Jhe Li, Fu-En Yang+4 more|arXiv (Cornell University)|Apr 25, 2018

Video Surveillance and Tracking Methods参考文献 12被引用数 7

ひとこと要約

本論文は、ラベル付きのソースデータセット（例：Market-1501）を用いて、ラベルなしのターゲットドメイン（例：DukeMTMC-ReID）における人物再識別用のドメイン不変特徴を学習する非教師付き深層転移学習手法、適応・再識別ネットワーク（ARN）を提案する。特徴をドメイン不変およびドメイン特有の成分に分解し、コントラスト損失を用いることで、非教師付きRe-IDベンチマークで最先端の性能を達成し、Market-1501では70.3%のRank-1精度、DukeMTMC-ReIDでは60.2%を記録し、一部の完全教師あり手法をも上回った。

ABSTRACT

Person re-identification (Re-ID) aims at recognizing the same person from images taken across different cameras. To address this task, one typically requires a large amount labeled data for training an effective Re-ID model, which might not be practical for real-world applications. To alleviate this limitation, we choose to exploit a sufficient amount of pre-existing labeled data from a different (auxiliary) dataset. By jointly considering such an auxiliary dataset and the dataset of interest (but without label information), our proposed adaptation and re-identification network (ARN) performs unsupervised domain adaptation, which leverages information across datasets and derives domain-invariant features for Re-ID purposes. In our experiments, we verify that our network performs favorably against state-of-the-art unsupervised Re-ID approaches, and even outperforms a number of baseline Re-ID methods which require fully supervised data for training.

研究の動機と目的

• 実際の監視環境における人物再識別に取り組むこと、特にターゲットドメイン用のラベル付きデータが入手不可であるという課題に応えること。
• 教師なしドメイン適応を通じてドメイン不変表現を学習することで、ソースおよびターゲットデータセット間のドメインシフトを低減すること。
• 異なるソースデータセットからのラベル付きデータのみを用いて、ターゲットドメインにおける再識別性能を向上させること。
• 既存の非教師付きRe-ID手法を上回り、さらに一部の教師ありベースラインをも上回る性能を達成すること。

提案手法

• ARNモデルは、ソースおよびターゲットドメインの共有およびプライベートエンコーダーを用いて、特徴をドメイン不変およびドメイン特有の成分に分解する。
• 異なるアイデンティティ間のマージンを最大化すると同時に、ドメイン間でのアイデンティティの一貫性を保つためにコントラスト損失を採用する。
• ラベル付きソースドメインでは教師あり損失（交差エントロピーおよびコントラスト損失）を、ラベルなしターゲットドメインでは教師なし適応を用いてネットワークを訓練する。
• ドメイン不変特徴は共有潜在空間で学習され、ターゲットアノテーションなしにドメイン間マッチングが可能になる。
• ドメイン特有および共有表現を分離するため、共有およびプライベートブランチを備えたシアンサイトス型の二重ネットワークアーキテクチャを採用する。
• 特徴レベルのアライメント戦略により、共有空間がドメインを越えてアイデンティティを特徴付けるパターンを捉えることが保証される。

実験結果

リサーチクエスチョン

• RQ1 ラベル付きソースデータセットとラベルなしターゲットデータのみを用いて、深層ネットワークが人物再識別用のドメイン不変特徴を学習できるか？
• RQ2 異なるカメラ設定やデータセット間のドメインシフト低減に、教師なしドメイン適応はどの程度効果的か？
• RQ3 ターゲットドメインのラベルが一切ない状況下で、非教師付きRe-IDモデルが完全教師ありベースラインを上回れるか？
• RQ4 コントラスト損失およびプライベートエンコーダーは、モデルの識別能力にどの程度寄与しているか？

主な発見

• Market-1501データセットでは、ARNは70.3%のRank-1精度および39.4%のmAPを達成し、2番目に優れた非教師付き手法をRank-1で13.6ポイント上回った。
• DukeMTMC-ReIDでは、ARNは60.2%のRank-1精度および33.4%のmAPを達成し、2番目に優れた手法をRank-1で13.8ポイント、mAPで7.2ポイント上回った。
• アブレーションスタディの結果、ソースドメインでの教師あり損失を除去すると、Market-1501ではRank-1精度が18.1%低下し、DukeMTMC-ReIDでは21.4%低下した。これにより、教師あり損失の重要性が裏付けられた。
• プライベートエンコーダーを除去すると、Market-1501では性能が9.8%低下し、DukeMTMC-ReIDでは11.8%低下した。これは、プライベートエンコーダーがドメイン特有のノイズを抑える役割を果たしていることを示している。
• ARNは、BOW や LOMO といった複数の完全教師あり手法をDukeMTMC-ReIDで上回った。これは、ターゲットアノテーションなしでも効果的であることを示している。
• モデルは非教師付きRe-ID分野で最先端の性能を達成し、教師なしドメイン適応によるドメイン不変特徴学習の有効性が裏付けられた。