[論文レビュー] Attention Deep Model with Multi-Scale Deep Supervision for Person Re-Identification

Di Wu, Chao Wang+2 more|arXiv (Cornell University)|Nov 23, 2019

Video Surveillance and Tracking Methods参考文献 60被引用数 8

ひとこと要約

本稿では、人物再識別（PReID）のためのマルチスケールのディープな監視を備えたアテンションベースの深層学習モデルを提案する。本モデルは、重要な特徴を保持するためのリバースアテンションブロックと、訓練を強化するためのマルチスケール層とディープな監視を導入している。本手法は、Market-1501、DukeMTMC-reID、CUHK03で最先端の性能を達成し、特徴学習の向上と訓練中の情報損失の低減により、既存手法を上回っている。

ABSTRACT

In recent years, person re-identification (PReID) has become a hot topic in computer vision duo to it is an important part in intelligent surveillance. Many state-of-the-art PReID methods are attention-based or multi-scale feature learning deep models. However, introducing attention mechanism may lead to some important feature information losing issue. Besides, most of the multi-scale models embedding the multi-scale feature learning block into the feature extraction deep network, which reduces the efficiency of inference network. To address these issue, in this study, we introduce an attention deep architecture with multi-scale deep supervision for PReID. Technically, we contribute a reverse attention block to complement the attention block, and a novel multi-scale layer with deep supervision operator for training the backbone network. The proposed block and operator are only used for training, and discard in test phase. Experiments have been performed on Market-1501, DukeMTMC-reID and CUHK03 datasets. All the experiment results show that the proposed model significantly outperforms the other competitive state-of-the-art methods.

研究の動機と目的

• アテンションメカニズムが人物再識別（PReID）モデルに及ぼす特徴情報損失の問題に対処すること。
• マルチスケール特徴学習アーキテクチャにおける訓練効率と特徴表現を向上させること。
• 推論の複雑さを増さずに標準PReIDベンチマークでのモデル性能を向上させること。
• 推論時に破棄可能であり、訓練のみに使用されるモジュールを設計し、特徴学習を促進すること。

提案手法

• 重要な特徴情報を保持するために、標準アテンションブロックを補完するリバースアテンションブロックを導入する。
• 訓練中の特徴学習を強化するための、新規のマルチスケール層とディープな監視演算子を提案する。
• マルチスケール層とディープな監視は、訓練時のみに適用され、推論時には削除されて効率を維持する。
• バックボーンネットワークは、勾配の安定化と特徴階層の学習向上を目的として、ディープな監視演算子を用いて訓練される。
• アテンションブロックとリバースアテンションブロックをスタックさせ、特徴の精錬と情報保持のバランスを図る。
• 複数スケールの特徴に対して教師あり損失を用いてエンドツーエンドで訓練することで、一般化性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 リバースアテンション機構は、アテンションベースのPReIDモデルにおける特徴情報損失を効果的に緩和できるか？
• RQ2 マルチスケールのディープな監視は、人物再識別における特徴表現とモデル精度を向上させるか？
• RQ3 推論コストを増加させずに、訓練専用モジュールが性能向上をもたらすか？
• RQ4 提案手法は、標準ベンチマークにおいて最先端のPReIDモデルと比較してどのように差をつけるか？

主な発見

• 提案モデルはMarket-1501データセットで最先端の性能を達成し、既存手法を顕著に上回っている。
• DukeMTMC-reIDでは、競合する最先端のアプローチよりも高いランク-1精度を達成している。
• CUHK03では一般化性能が強く、複数の評価プロトコルで優れた性能を示している。
• アブレーションスタディにより、リバースアテンションブロックとマルチスケールのディープな監視の両方が性能向上に寄与していることが確認された。
• 特殊なモジュールが訓練後に破棄されるため、推論における効率性が高く維持されている。