[논문 리뷰] Towards Good Practices on Building Effective CNN Baseline Model for Person Re-identification

Fu Xiong, Yang Xiao외 4명|ArXiv.org|2018. 07. 29.

Video Surveillance and Tracking Methods참고 문헌 27인용 수 23

한 줄 요약

이 논문은 사람 재식별을 위한 강력한 CNN 기준 모델을 구축하기 위해 세 가지 효과적이고 단순한 실천 방법을 제안한다: 전역 풀링 이후 배치 정규화 추가, 정체성 분류를 위한 단일 완전 연결 계층 사용, Adam 옵timizer 활용. 이러한 실천 방법들은 Market-1501, DukeMTMC-reID, CUHK03 세 가지 벤치마크 데이터셋에서 성능을 크게 향상시키며, 복잡한 아키텍처나 도메인 전용 기법 없이 오직 소프트맥스 손실만을 사용해 최신 기준 성능을 달성한다.

ABSTRACT

Person re-identification is indeed a challenging visual recognition task due to the critical issues of human pose variation, human body occlusion, camera view variation, etc. To address this, most of the state-of-the-art approaches are proposed based on deep convolutional neural network (CNN), being leveraged by its strong feature learning power and classification boundary fitting capacity. Although the vital role towards person re-identification, how to build effective CNN baseline model has not been well studied yet. To answer this open question, we propose 3 good practices in this paper from the perspectives of adjusting CNN architecture and training procedure. In particular, they are adding batch normalization after the global pooling layer, executing identity categorization directly using only one fully-connected, and using Adam as optimizer. The extensive experiments on 3 widely-used benchmark datasets demonstrate that, our propositions essentially facilitate the CNN baseline model to achieve the state-of-the-art performance without any other high-level domain knowledge or low-level technical trick.

연구 동기 및 목표

• 사람 재식별 연구 분야에서 일관되고 효과적인 CNN 기준 모델 실천 방법의 부족을 해결하기 위해.
• 일관되지 않은 훈련 및 아키텍처 선택으로 인한 성능 격차를 줄이기 위해.
• 단순한 구성 요소와 손실 함수만을 사용하여 신뢰할 수 있고 재현 가능하며 높은 성능을 내는 기준 모델을 구축하기 위해.
• 사람 재식별 공동체 내에서 새로운 방법의 공정한 비교와 정확한 평가를 촉진하기 위해.

제안 방법

• 전역 평균 풀링 레이어 이후 배치 정규화를 도입하여 특징을 안정화하고 과적합을 줄이기 위해.
• 배치 정규화된 전역 풀링 특징 위에 정체성 분류를 위한 유일한 완전 연결 계층을 사용하기 위해.
• 고정된 초기 학습률과 가중치 감쇠를 사용하여 훈련에 Adam 옵티마이저를 사용하고 SGD 대신 활용하기 위해.
• ResNet-50, ResNeXt-50, DenseNet-121와 같은 ImageNet 사전 훈련된 백본을 사용하여 엔드 투 엔드로 모델을 훈련하고, 교차 엔트로피(소프트맥스) 손실을 사용하기 위해.
• 표준 데이터 증강 및 학습률 감쇠 스케줄(예: 매 20 에포크마다 0.1로 감소)을 적용하여 공정한 비교를 확보하기 위해.
• Market-1501, DukeMTMC-reID, CUHK03에서 표준 메트릭인 랭크-1 정확도와 평균 평균 정밀도(mAP)를 사용하여 성능을 평가하기 위해.

실험 결과

연구 질문

• RQ1 사람 재식별에서 표준 CNN 기준 모델의 성능을 크게 향상시킬 수 있는 단순하고 효과적인 실천 방법은 무엇인가?
• RQ2 전역 풀링 이후 배치 정규화를 추가하면 모델의 일반화 능력과 과적합에 어떤 영향을 미치는가?
• RQ3 분류를 위해 단일 완전 연결 계층을 사용하는 것이 더 깊거나 복잡한 헤드 설계를 초월하여 성능이 뛰어나게 되는가?
• RQ4 표준 설정 하에서 Adam이 SGD를 일관되게 능가하는가?
• RQ5 이러한 실천 방법을 통해 아키텍처 혁신이나 복잡한 손실 함수 없이 표준 기준 모델을 최신 기준 성능 수준까지 끌어올릴 수 있는가?

주요 결과

• Adam을 옵티마이저로 사용할 경우, SGD 대비 Market-1501에서 mAP를 72.4%에서 78.8%로, DukeMTMC-reID에서 64.5%에서 68.8%로 향상시킨다.
• 전역 풀링 이후 배치 정규화를 추가하면 모든 데이터셋에서 일관된 성능 향상과 과적합 감소를 경험한다.
• 단일 완전 연결 계층 방식은 세 벤치마크 데이터셋 전부에서 최신 기준 성능을 달성하여, 복잡한 헤드 설계가 반드시 필요하지 않음을 입증한다.
• 이 세 실천 방법을 모두 조합하면 ResNet-50가 Market-1501에서 랭크-1 정확도 91.7%와 mAP 78.8%를 달성하여 이전 기준 모델을 초월한다.
• 실패 분석 결과, 실패의 34.3%는 외관이 유사한 정체성으로 인해 발생하여 현재 모델이 가장 도전적인 케이스로 간주된다.
• 가장 흔한 실패 유형(37.8%)은 한 개의 쿼리 이미지에 여러 명의 사람이 포함된 경우로, 실질적으로 모호하거나 덜 문제시되는 경우로 간주된다.