[论文解读] Fairest of Them All: Establishing a Strong Baseline for Cross-Domain Person ReID

Devinder Kumar, Parthipan Siva+2 more|arXiv (Cornell University)|Jul 28, 2019

Video Surveillance and Tracking Methods被引用 11

一句话总结

本文通过提出一个多源域（SYSU、MSMT、Airport、3DPeS）和一个平衡的多目标域（Market-1501、DukeMTMC-reID、CUHK03、PRID、GRID、VIPeR），为跨域行人重识别（ReID）建立了强大且标准化的基线。结果表明，多样化且大规模的源域能显著提升在多个目标域上的零样本迁移性能，在固定划分下Rank-1准确率为63.6%，mAP为42.7%，优于大多数现有跨域方法，为未来研究提供了稳健的基准。

ABSTRACT

Person re-identification (ReID) remains a very difficult challenge in computer vision, and critical for large-scale video surveillance scenarios where an individual could appear in different camera views at different times. There has been recent interest in tackling this challenge using cross-domain approaches, which leverages data from source domains that are different than the target domain. Such approaches are more practical for real-world widespread deployment given that they don't require on-site training (as with unsupervised or domain transfer approaches) or on-site manual annotation and training (as with supervised approaches). In this study, we take a systematic approach to establishing a large baseline source domain and target domain for cross-domain person ReID. We accomplish this by conducting a comprehensive analysis to study the similarities between source domains proposed in literature, and studying the effects of incrementally increasing the size of the source domain. This allows us to establish a balanced source domain and target domain split that promotes variety in both source and target domains. Furthermore, using lessons learned from the state-of-the-art supervised person re-identification methods, we establish a strong baseline method for cross-domain person ReID. Experiments show that a source domain composed of two of the largest person ReID domains (SYSU and MSMT) performs well across six commonly-used target domains. Furthermore, we show that, surprisingly, two of the recent commonly-used domains (PRID and GRID) have too few query images to provide meaningful insights. As such, based on our findings, we propose the following balanced baseline for cross-domain person ReID consisting of: i) a fixed multi-source domain consisting of SYSU, MSMT, Airport and 3DPeS, and ii) a multi-target domain consisting of Market-1501, DukeMTMC-reID, CUHK03, PRID, GRID and VIPeR.

研究动机与目标

• 为解决现有研究中因源域与目标域选择不一致而导致的跨域行人ReID缺乏一致基准的问题。
• 建立一个全面且平衡的基准，采用固定多源域与多目标域，实现跨域ReID方法的公平比较。
• 实证评估源域规模与多样性对多个目标域上零样本迁移性能的影响。
• 识别并推荐能最大化在多样化目标域上泛化能力的最优源域组合。
• 为未来跨域行人ReID研究提供一个强大且可复现的基线，减少对现场标注或领域特定微调的依赖。

提出的方法

• 作者使用四个大规模ReID数据集（SYSU、MSMT、Airport、3DPeS）构建了固定多源域，这些数据集因其多样性与代表性被选中。
• 在六个常用目标域（Market-1501、DukeMTMC-reID、CUHK03、PRID、GRID、VIPeR）上评估基线，使用标准指标（Rank-1与mAP）。
• 提出一种留一法多源域设置，即在测试某一个目标域（如Market-1501）时，将其包含在源域中，以在保持公平性的同时最大化训练数据量。
• 基线方法基于当前行人ReID领域的最先进技术，包括使用三元组损失与对比损失的深度度量学习，以及数据增强策略以提升泛化能力。
• 性能通过标准ReID指标（Rank-1准确率与平均平均精度，mAP）进行评估，结果在全部六个目标域上报告。
• 系统分析逐步增加源域时的性能变化，以确定最优的域组合。

实验结果

研究问题

• RQ1 在跨域行人ReID中，何种多源域组合能在多个目标域上实现最佳泛化？
• RQ2 源域的规模与多样性如何影响跨域ReID模型的性能？
• RQ3 像PRID与GRID这类常用目标域，由于查询图像过少，其评估是否具有实际意义？
• RQ4 固定多源域基线与现有跨域方法、域自适应方法、无监督方法及有监督方法相比表现如何？
• RQ5 能否建立一个强大且可复现的基线，以实现未来跨域行人ReID研究中的一致且公平的基准测试？

主要发现

• 由SYSU、MSMT、Airport与3DPeS组成的固定多源域在合并目标域上实现了63.6%的Rank-1准确率与42.7%的mAP，确立了强有力的基线性能。
• 仅使用SYSU与MSMT组合即可达到61.3%的Rank-1与39.5%的mAP，表明即使仅两个大规模数据集，也能构成强大的初始基线。
• 增加更多源域（如Airport与3DPeS）可进一步提升性能，但最大的性能增益来自引入CUHK03与CUHK02，表明域间相似性具有关键影响。
• 发现PRID与GRID因查询图像过少，难以提供可靠评估，限制了其作为目标域的实用性。
• 留一法多源域设置始终优于固定划分，通过在测试时将目标域纳入源域，实现了更高的性能表现。
• 所提出的基线在未使用任何目标域数据的情况下，性能优于大多数现有跨域方法，并在与域自适应及无监督方法的比较中表现具有竞争力。