[논문 리뷰] Re-ID done right: towards good practices for person re-identification

Jon Almazán, Bojana Gajić외 2명|arXiv (Cornell University)|2018. 01. 16.

Video Surveillance and Tracking Methods참고 문헌 31인용 수 93

한 줄 요약

이 논문은 사람 재식별을 위한 전 globally 이미지 표현 학습을 위한 실용적인 설계 및 학습 원칙을 식별하고 검증하여, 명시적 정렬이나 주의 모듈 없이도 최첨단 결과를 달성한다.

ABSTRACT

Training a deep architecture using a ranking loss has become standard for the person re-identification task. Increasingly, these deep architectures include additional components that leverage part detections, attribute predictions, pose estimators and other auxiliary information, in order to more effectively localize and align discriminative image regions. In this paper we adopt a different approach and carefully design each component of a simple deep architecture and, critically, the strategy for training it effectively for person re-identification. We extensively evaluate each design choice, leading to a list of good practices for person re-identification. By following these practices, our approach outperforms the state of the art, including more complex methods with auxiliary components, by large margins on four benchmark datasets. We also provide a qualitative analysis of our trained representation which indicates that, while compact, it is able to capture information from localized and discriminative regions, in a manner akin to an implicit attention mechanism.

연구 동기 및 목표

• 글로벌 이미지 표현을 구축할 때 재-ID 성능을 향상시키는 설계 및 학습 관행 세트를 식별한다.
• 아키텍처 선택, 데이터 증강 및 학습 전략이 재-ID 정확도에 미치는 영향을 평가한다.
• 단순하고 잘 학습된 글로벌 디스크립터가 여러 벤치마크에서 복잡한 방법을 능가할 수 있음을 보여준다.
• 학습된 임베딩이 의상 및 기타 구별 신호에서 무엇에 주목하는지에 대한 질적 통찰을 제공한다.

제안 방법

• 입력 트리플릿(쿼리, 양수, 음수)에서 임베딩을 생성하기 위해 공유 가중치를 갖는 세 흐름 시암 네트워크를 사용한다.
• 여백으로 양성을 쿼리에 더 가깝게 만들도록 순위 트리플릿 손실로 학습한다.
• 입력 이미지를 확대하고 왜곡을 피하며, 가변 크기의 이미지를 처리할 때 배치 크기를 유지하기 위해 그래디언트를 누적한다.
• 백본을 ImageNet에서 사전 학습하고 순위 목표 전에 신원 분류로 추가 미세 조정한다(커리큘럼 학습).
• 컷아웃 데이터 증강을 적용해 가려짐에 대한 강건성과 규제화를 향상시키고, 도전적인 학습 샘플을 선택하기 위해 하드 트리플릿 마이닝을 적용한다.
• 네 가지 데이터세트에 걸쳐 어블레이션 연구를 통해 핵심 설계 선택을 시연하고 최첨단 방법과 비교한다.

실험 결과

연구 질문

• RQ1 신청된 관행으로 학습될 때 단순한 글로벌 표현이 더 복잡한 재-ID 모델보다 성능이 우수할 수 있는가?
• RQ2 어떤 아키텍처 및 학습 선택이 재-ID 성능에 가장 큰 영향을 미치는가?
• RQ3 커리큘럼 학습과 하드 트리플릿 마이닝이 재-ID의 수렴 및 정확도에 실질적으로 기여하는가?
• RQ4 고해상도 비정렬(global) 임베딩이 다양한 데이터셋에서 견고한 재-ID를 위한 구별 신호를 어느 정도 포착할 수 있는가?

주요 결과

• 네 가지 벤치마크에서 최첨단 결과를 달성; Market-1501에서, mAP 81.2% (다수의 기준선이 72.9–73.1) 및 이전 연구 대비 최대 8.1% 포인트 개선.
• Market MQ에서 mAP 92.2%와 rank-1 94.7%; Duke-reID에서 mAP 72.8%와 rank-1 87.3% (이전 연구 대비 상당한 개선).
• Person Search 데이터셋에서 mAP 92.6%와 강력한 rank-1 79.7%(이전 최고 대비 14.7 포인트 상승).
• ResNet-101/152 백본은 ResNet-50 대비 뚜렷한 이점을 제공; 순위화 이전의 신원 분류 사전 학습이 결과를 크게 향상시킨다.
• 컷아웃 데이터 증강은 결정적이며 표준 플립/크롭보다 성능이 우수; 최상의 성능을 위해 큰 왜곡 없는 입력 해상도(416 px)가 중요하다.
• 학습된 임베딩에서 암시적 주의가 나타나 의류 가장자리, 배낭 등 구분 신호 영역을 명시적 정렬이나 주의 모듈 없이도 국소화한다.