[论文解读] Towards Good Practices on Building Effective CNN Baseline Model for Person Re-identification

Fu Xiong, Yang Xiao+4 more|ArXiv.org|Jul 29, 2018

Video Surveillance and Tracking Methods参考文献 27被引用 23

一句话总结

本文提出三种高效且简单的实践方法，用于构建行人重识别任务中强大的CNN基线模型：在全局池化层后添加批量归一化，使用单个全连接层进行身份分类，以及采用Adam优化器。这些方法在三个基准数据集（Market-1501、DukeMTMC-reID 和 CUHK03）上显著提升了性能，仅使用Softmax损失函数，无需复杂架构或领域特定技巧，即实现了最先进（SOTA）结果。

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.

研究动机与目标

• 为解决行人重识别研究中缺乏一致且有效的CNN基线实践方法的问题。
• 减少因训练和架构选择不一致导致的性能差异。
• 仅使用标准组件和损失函数，建立可靠、可复现且高性能的基线。
• 促进行人重识别社区中新型方法的更公平比较与更准确评估。

提出的方法

• 在全局平均池化层后引入批量归一化，以稳定特征并减少过拟合。
• 仅使用一个全连接层对身份进行分类，直接基于批量归一化后的全局池化特征。
• 使用Adam优化器替代SGD进行训练，采用固定的初始学习率和权重衰减。
• 使用ImageNet预训练主干网络（如ResNet-50、ResNeXt-50和DenseNet-121）进行端到端训练，损失函数为交叉熵（Softmax）损失。
• 应用标准数据增强和学习率衰减策略（例如每20个周期降低0.1），以确保公平比较。
• 使用标准指标评估性能：在Market-1501、DukeMTMC-reID和CUHK03上分别计算rank-1准确率和平均平均精度（mAP）。

实验结果

研究问题

• RQ1 在行人重识别任务中，哪些简单而有效的实践方法能显著提升标准CNN基线模型的性能？
• RQ2 在全局池化后添加批量归一化如何影响模型的泛化能力和过拟合程度？
• RQ3 使用单个全连接层进行分类是否优于更深或更复杂的分类头设计？
• RQ4 在标准设置下，Adam能否在行人重识别的CNN训练中持续优于SGD？
• RQ5 在不引入架构创新或复杂损失函数的前提下，这些实践方法能在多大程度上将标准基线提升至最先进性能？

主要发现

• 与SGD相比，使用Adam作为优化器使Market-1501上的mAP从72.4%提升至78.8%，DukeMTMC-reID上的mAP从64.5%提升至68.8%。
• 在全局池化后添加批量归一化在所有数据集上均带来一致的性能提升，并有效减少过拟合。
• 单个全连接层方法在三个基准数据集上均实现了最先进性能，表明复杂的分类头设计并非必需。
• 三种实践方法的组合使ResNet-50在Market-1501上达到91.7%的rank-1准确率和78.8%的mAP，超越了以往所有基线。
• 失败案例分析显示，34.3%的失败案例源于外观相似的身份，这是当前模型面临的最大挑战。
• 最常见的失败类型（占37.8%）源于单张查询图像中存在多人，此类情况在实际应用中被视为模糊但问题较不严重。