CVPR2019行人重识别论文笔记1904.00537：Learning Visibility-aware Part-level Features for Partial Person Re-id

原文标题：Perceive Where to Focus: Learning Visibility-aware Part-level Features for Partial Person Re-identification
文章链接：https://arxiv.org/abs/1904.00537
摘要：
为了解决行人图像之间的不对齐性，作者提出了Visibility-aware Part Model（VPM），这个模型通过自监督学习图像的区域特征，比对图像之间共享的部分进而达到更高的准确率。
文章贡献：
（1）VPM可以比较两张图像共享的部分，抑制了空间不对齐性和非共享区域的噪音。
（2）VPM在合成数据集和真实数据集上的测试效果拔群。

VPM结构：
给定一张局部图像，调整为预设大小，经过卷积层获得三维向量T，再通过区域定位器（region locator）对像素进行分类，即通过像素的概率图辨别像素的区域归属。对概率图进行求和运算，得到可视分数（visibility scores）。将概率图通过特征提取器（region feature extractor），进而获得区域特征向量。

区域定位器的结构很简单，1*1的卷积层和softmax计算每个像素的概率。可视分数也是在这里计算，通过对位于同一区域的像素点的概率求和得到。可视分数作用是用来计算两图像之间的距离，即图像区域的共享程度。
区域特征提取器针对每个区域，利用概率图和得到的可视分数加权计算出对应的特征向量。
两图像的距离计算公式如下：

其中Di是两张图像的特征向量f的欧几里得距离。

VPM训练：
VPM采用自监督学习，给定HW的完整图像，将裁减图像的一部分，并将局部图像重新拉伸为HW，并把裁减后的区域信息映射到Tensor T上。
自监督学习带来的好处：
（1）训练时自动产生groud truth
（2）允许VPM在产生特征向量时专注于可视区域
（3）使VPM专注于共享区域。
区域定位器（region locator）的训练基于自学习产生的ground truth，通过交叉熵损失优化。
特征提取器（region feature extractor）结合交叉熵损失和三元组损失训练。

实验结果：

表中γ为裁切后的比例，可以看出在高裁切率时，文中的模型远性能高于PCB和baseline（仅学习全局特征），而在低裁切率时，文中的模型依然可以达到和PCB同一水平的性能。

作者还对比了图像的切块数的影响，被切的块数越多网络的性能越好，但是考虑到网络的效率，作者推荐选择切分为6块。

完结撒花！
欢迎大家评论吐槽！