[论文解读] Vehicle Re-Identification: an Efficient Baseline Using Triplet Embedding

Ratnesh Kumar, Edwin Weill+2 more|arXiv (Cornell University)|Jan 4, 2019

Video Surveillance and Tracking Methods参考文献 49被引用 22

一句话总结

本文提出了一种简单但有效的三元组嵌入基线方法，用于车辆重识别，采用优化的采样策略，在仅使用身份级标注的情况下，以极简的网络结构和128维嵌入，在多个基准测试中取得了最先进性能。该方法引入并评估了‘批量采样’三元组采样变体，证明其在仅使用身份级标注的情况下，相比现有方法具有更高的鲁棒性和准确性。

ABSTRACT

In this paper we tackle the problem of vehicle re-identification in a camera network utilizing triplet embeddings. Re-identification is the problem of matching appearances of objects across different cameras. With the proliferation of surveillance cameras enabling smart and safer cities, there is an ever-increasing need to re-identify vehicles across cameras. Typical challenges arising in smart city scenarios include variations of viewpoints, illumination and self occlusions. Most successful approaches for re-identification involve (deep) learning an embedding space such that the vehicles of same identities are projected closer to one another, compared to the vehicles representing different identities. Popular loss functions for learning an embedding (space) include contrastive or triplet loss. In this paper we provide an extensive evaluation of these losses applied to vehicle re-identification and demonstrate that using the best practices for learning embeddings outperform most of the previous approaches proposed in the vehicle re-identification literature. Compared to most existing state-of-the-art approaches, our approach is simpler and more straightforward for training utilizing only identity-level annotations, along with one of the smallest published embedding dimensions for efficient inference. Furthermore in this work we introduce a formal evaluation of a triplet sampling variant (batch sample) into the re-identification literature.

研究动机与目标

• 建立一种基于三元组嵌入的简单、高效且有效的车辆重识别基线方法。
• 评估不同三元组采样策略（尤其是批量采样）对重识别性能的影响。
• 在不依赖复杂数据模态或时空信息的情况下，于多样化数据集上实现最先进性能。
• 证明仅使用身份级标注、极简模型复杂度和小嵌入维度（128D）即可实现高性能。
• 形式化并验证批量采样策略在重识别文献中的有效性。

提出的方法

• 使用基于MobileNet-v1主干网络的类孪生深度神经网络进行特征提取。
• 采用三元组损失函数，学习一个嵌入空间，使得同一身份的车辆特征更接近，不同身份的则更远。
• 应用批量采样策略，在每个训练批次内构建难负样本，以提升梯度信号质量。
• 对比评估批量难负样本（batch hard）、批量所有样本（batch all）、批量加权（batch weighted）和批量采样（batch sample）等采样变体。
• 使用ImageNet预训练权重进行训练，批量大小为18×4（18个身份，每个身份4张图像）。
• 采用128维嵌入空间，以实现高效推理和最小内存占用。

实验结果

研究问题

• RQ1 是否能够通过极简网络结构的三元组嵌入基线方法，在车辆重识别任务中超越现有最先进方法？
• RQ2 在重识别性能方面，批量采样、批量难负样本、批量所有样本和批量加权等不同三元组采样策略如何比较？
• RQ3 所提方法是否能在VRIC和Veri-Wild等多样化且具有挑战性的数据集上，仅使用身份级监督，实现最先进性能？
• RQ4 仅使用小嵌入维度（128D）是否能实现高精度，同时保持计算效率？
• RQ5 在车辆重识别任务中，批量采样策略是否比现有采样方法更具鲁棒性和有效性？

主要发现

• 在VRIC数据集上，所提方法达到78.55%的mAP和69.09%的top-1准确率，显著优于数据集作者的基线方法（46.61% top-1准确率）。
• 在Veri-Wild数据集的大子集上，该方法达到84.17%的top-1准确率，远超此前最先进方法的64.03%。
• 批量采样和批量加权采样变体在所有数据集和评估指标上均持续优于批量难负样本和批量所有样本。
• 该方法在VeRi、VRIC和Veri-Wild数据集上均实现了最先进性能，且仅依赖身份级标注，无需关键点或模型标注。
• 128维嵌入在保持计算高效的同时实现了高精度，适用于实时部署。
• 结果表明，通过合理的采样策略进行高级嵌入学习，可显著提升性能，而无需依赖时空或多模态数据。