[論文レビュー] Learning a Discriminative Null Space for Person Re-identification

Li Zhang, Tao Xiang+1 more|arXiv (Cornell University)|Mar 7, 2016

Video Surveillance and Tracking Methods参考文献 24被引用数 90

ひとこと要約

本稿では、高次元特徴量と限られた訓練サンプルのため、メトリクス学習の性能が低下する人物再識別（re-ID）における小標本サイズ（SSS）問題を克服するため、判別的ノイズ空間を学習する手法を提案する。閉形式で、ハイパーパramータを必要としないパラメータフリーなノイズ空間において、同一人物の画像を1点に縮約することで、クラス間分離を最大化し、5つのベンチマークで最先端の性能を達成し、既存手法を顕著に上回る。

ABSTRACT

Most existing person re-identification (re-id) methods focus on learning the optimal distance metrics across camera views. Typically a person's appearance is represented using features of thousands of dimensions, whilst only hundreds of training samples are available due to the difficulties in collecting matched training images. With the number of training samples much smaller than the feature dimension, the existing methods thus face the classic small sample size (SSS) problem and have to resort to dimensionality reduction techniques and/or matrix regularisation, which lead to loss of discriminative power. In this work, we propose to overcome the SSS problem in re-id distance metric learning by matching people in a discriminative null space of the training data. In this null space, images of the same person are collapsed into a single point thus minimising the within-class scatter to the extreme and maximising the relative between-class separation simultaneously. Importantly, it has a fixed dimension, a closed-form solution and is very efficient to compute. Extensive experiments carried out on five person re-identification benchmarks including VIPeR, PRID2011, CUHK01, CUHK03 and Market1501 show that such a simple approach beats the state-of-the-art alternatives, often by a big margin.

研究の動機と目的

• 特徴次元数が訓練サンプル数をはるかに上回る人物再識別における小標本サイズ（SSS）問題に対処する。
• SSSのため、次元削減や正則化に依存する既存のメトリクス学習手法の性能が不十分になる問題を克服する。
• クラス内分散を最小化し、クラス間分離を最大化するように、直接的に判別的ノイズ空間を学習する手法を開発する。
• 豊富な未ラベルデータを活用することで、ノイズ空間における半教師付き学習に拡張し、SSS問題をさらに緩和する。
• 完全教師ありおよび半教師あり設定の両方で、複数の標準的なre-IDベンチマークにおいて、本手法の有効性と効率性を示す。

提案手法

• 同一人物の画像が1点に縮約される判別的ノイズ空間に訓練データを射影するためのノイズフォーリー・サムン変換（NFST）を提案する。
• ノイズ空間変換に対して閉形式の解を用いることで、ハイパーパramータの調整や反復最適化の必要性を排除する。
• ノイズ空間の次元を固定かつ最小に保つことで、高次元特徴量に対して効率的でロバストな計算を実現する。
• 非線形な外観変化に対応するため、NFSTのカーネル化されたバージョンを導入する。
• 自己学習を用いて未ラベルデータを活用する半教師付きバージョンを開発し、ラベル付きデータが少ない状況での性能向上を図る。
• 深層特徴表現（例：LOMO）と特徴融合戦略をノイズ空間手法と統合し、マッチング精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 人物再識別における小標本サイズ問題を克服するために、効果的に判別的ノイズ空間を学習できるか？
• RQ2 提案手法のノイズ空間アプローチは、既存のメトリクス学習および次元削減手法と比較して、精度と効率の面でどのように差をつけるか？
• RQ3 未ラベルデータをノイズ空間における半教師付き学習で活用することで、低ショットre-ID状況での性能向上はどの程度達成できるか？
• RQ4 ノイズ空間手法が閉形式でハイパーパramータを必要としない性質により、既存手法と比較して一般化性能とロバスト性が向上するか？
• RQ5 本手法は、Market1501、VIPeR、PRID2011を含む多様で大規模なre-IDベンチマークで、一貫して最先端の性能を達成できるか？

主な発見

• 単一クエリ設定下で、Market1501では61.02%のRank-1と35.68%のmAPを達成し、同じLOMO特徴を用いた既存手法をすべて上回った。
• VIPeRでは、半教師あり設定で41.01%のRank-1と69.81%のRank-5を達成し、SSCDL や IterativeLap といった最先端手法を顕著に上回った。
• PRID2011の半教師あり設定（ラベル付きデータが1/3のみ）において、本手法は滑らかに性能低下（24.70%のRank-1）を示したが、kLFDA や XQDA などの他の手法は急激な性能低下を示した。
• 訓練段階での計算効率が高く、Market1501では393.1秒で実行され、XQDA（3233.8秒）や MFA（437.8秒）を上回り、リアルタイムテストにも適応可能である。
• ノイズ空間内での複数特徴の融合により、Market1501のマルチクエリ評価で67.96%のRank-1と41.89%のmAPに向上した。
• カーネル化されたノイズ空間手法はさらに性能を向上させ、非線形な外観変化を効果的にモデル化できることを示した。