[论文解读] A Coarse-to-fine Pyramidal Model for Person Re-identification via Multi-Loss Dynamic Training.

Feng Zheng, Xing Sun+4 more|arXiv (Cornell University)|Oct 29, 2018

Video Surveillance and Tracking Methods被引用 15

一句话总结

本文提出一种用于行人重识别的粗到细金字塔模型，通过利用多尺度特征和动态训练方案，减少对精确边界框的依赖。通过在不同尺度上整合局部与全局线索，并通过动态训练统一两种损失函数，该方法实现了最先进性能，在具有挑战性的 CUHK03 数据集上较之前最佳方法提升 9.5%。

ABSTRACT

Most existing Re-IDentification (Re-ID) methods are highly dependent on precise bounding boxes that enable images to be aligned with each other. However, due to the inevitable challenging scenarios, current detection models often output inaccurate bounding boxes yet, which inevitably worsen the performance of these Re-ID algorithms. In this paper, to relax the requirement, we propose a novel coarse-to-fine pyramid model that not only incorporates local and global information, but also integrates the gradual cues between them. The pyramid model is able to match the cues at different scales and then search for the correct image of the same identity even when the image pair are not aligned. In addition, in order to learn discriminative identity representation, we explore a dynamic training scheme to seamlessly unify two losses and extract appropriate shared information between them. Experimental results clearly demonstrate that the proposed method achieves the state-of-the-art results on three datasets and it is worth noting that our approach exceeds the current best method by 9.5% on the most challenging dataset CUHK03.

研究动机与目标

• 减少行人重识别模型对精确、真实边界框的依赖，因为这些边界框在实际场景中往往不准确。
• 通过利用多尺度特征表示，提升在边界框错位或检测不佳的图像对上的重识别性能。
• 开发一种动态训练策略，无缝统一多种损失函数，以实现更好的特征学习。
• 通过金字塔结构在粗粒度和细粒度特征之间进行整合，以增强判别性身份表征。

提出的方法

• 该方法采用粗到细的金字塔架构，在多个尺度上捕捉特征，即使图像未精确对齐，也能实现稳健匹配。
• 在金字塔层级之间逐步融合局部与全局特征，以增强在不同细节层次上的表征学习。
• 引入一种动态训练方案，统一两种损失函数，在优化过程中自适应地平衡其贡献。
• 通过动态损失整合，联合优化身份分类与度量学习，使模型学习到判别性身份特征。
• 金字塔结构使模型能够在不同尺度上搜索正确匹配，提升对错位的鲁棒性。

实验结果

研究问题

• RQ1 当边界框不准确时，多尺度金字塔模型是否能提升行人重识别性能？
• RQ2 在训练过程中，如何有效结合多种损失函数以增强特征判别性？
• RQ3 粗到细的特征融合在多大程度上能减少对精确目标定位的依赖？
• RQ4 所提出的动态训练方案是否能带来更好的泛化能力与在具有挑战性的行人重识别基准上的性能提升？

主要发现

• 所提方法在三个基准行人重识别数据集上均实现了最先进性能。
• 在最具挑战性的 CUHK03 数据集上，该方法在重识别准确率上较之前最佳方法高出 9.5%。
• 由于多尺度特征集成，该模型对错位或检测不佳的边界框表现出强鲁棒性。
• 动态训练方案成功统一了两种损失函数，从而提升了特征学习与判别性表征。