行人重识别论文阅读13-Parameter Sharing Exploration and Hetero-center Triplet Loss for Visible-Thermal Person
Parameter Sharing Exploration and Hetero-center Triplet Loss for Visible-Thermal Person Re-Identification
1. 解决的问题
解决白天可见光和夜晚红外热成像的人员匹配问题,通过使用共享的双流网络进行研究。
VT-ReID问题面临的两个问题:
- 可见光和红外光的图片性质差别较大。
- 由于摄像头视点变化和不同的人体姿势导致的模态内度量困难。
一般此问题都是采用双流的网络解决,将不同模态的特征映射到公共空间中。两个模态的网络不需要相同的架构,但是必须要相同的维度,以便特征嵌入参数共享的网络中。
三重损失由于异常的样例破坏其他学习良好的距离,而且具有高复杂性。
解纠缠方法自动从两个模态的图像中识别ID判别因子。
2. 本文工作
- 探索网络中共享参数部分的比例对模型的影响
- 提出异质中心三元组损失约束模态内和模态间的不同类。
2.1 总结
- 同样使用双流的网络进行模型训练。
- 提出异质中心得三元组损失。
- 模型后面的度量部分很值得深思。
- 提取部分级别特征的方法使用广义的平均池化然后送入到1*1的卷积层。
3. 模型详述
模型分为:1)双流的主干网络 2) 部分特征提取块 3)损失函数:异质中心三元组损失和id softmax损失
3.1 双流主干网络
包括特征提取和特征嵌入。特征提取主要是学习模态特定的特征,特征嵌入是通过将特征映射到公共空间来学习多模态共享的特征。
现有的方法通常使用共享的fc层来计算特征嵌入,但是会出现问题:
- 两个分支包含独立的参数,如果每个分支都有深度网络学习那么参数会变为两倍。
- 特征嵌入包含fc层,只能处理没有人体结构信息的ID形状特征向量。
本文设计CNN模型分为两部分,前半部分可看做双流的特征提取模块,后半部分为特征嵌入模型。
双流的特征提取网络
此处,特征提取网络的表示:ϕv,ϕt,ϕvt\phi_v,\phi_t,\phi_{vt}ϕv,ϕt,ϕvt分别表示visible,thermal, visible-thermal的特征提取网络。给出一个图片Iv,ItI_v,I_tIv,It他们经过网络的得到的特征如下:
使用ResNet50作为主干网络,网络总共有5个模块,在参数独立和参数共享方面做如下实验:
部分级别的特征提取块:典型的方法是将人划分为水平条带,粗略的提取零件级别的特征,然后将其连结起来描述人的身体结构。也就是说,给定一个人的模态图像,在经里从双流主干网络等所有层之后将变成特征图,基于三维特征图,提取部分级别的特征有三个步骤:
- 在水平方向均匀地划分在顶部stripe中,以生成粗略的身体部位特征图。
- 使用广义平均 GeM替代最大池化或平均池化级啊昂三维部分特征转化为一维部分特征。给定X∈RC×H×WX \in R^{C \times H \times W}X∈RC×H×W,GeM可表示为:x^=(1∥X∥∑xi∈Xxip)1p\hat x = (\frac {1} {\|X\|} \sum_{x_i \in X} x^p_i)^{\frac 1 p}x^=(∥X∥1∑xi∈Xxip)p1,其中,x^∈RC×1×1\hat x \in R^{C \times 1 \times 1}x^∈RC×1×1表示池化后的结果,p是超参数,可以通过反向传播预设或者学习。
- 使用1×11 \times 11×1的Conv块对零件级特征向量进行降维。
每一个部分级别的特征向量采用Lhc_triL_{hc\_tri}Lhc_tri度量,然后采用全连接层的softmaxLidsoftmax~ L_{id}softmax Lid进行识别。最后将所有部分特征进行连接形成相似度度量的最终特征。
hetro-center 三元组损失:
首先三元组损失:
Lbh_tri(X)=∑i=1P∑a=1K⏞allanchors[ρ+maxp=1...K∥xai−xpi∥2⏞hardestpositive−minj=1...Pn=1...Kj≠i∥xai−xnj∥2⏞hardestnegative]+L_{bh\_tri}(X) = \overbrace {\sum^P_{i=1} \sum^K_{a=1}}^{all~anchors} [\rho +\overbrace {\max_{p=1...K}\|x^i_a - x^i_p\|_2}^{hardest~positive} - \overbrace{\min_{j=1...P\\n=1...K\\j\neq i}\|x^i_a - x^j_n \|_2}^{hardest~ negative}]_+ Lbh_tri(X)=i=1∑Pa=1∑Kall anchors[ρ+p=1...Kmax∥xai−xpi∥2hardest positive−j=1...Pn=1...Kj=imin∥xai−xnj∥2hardest negative]+
使用欧几里得距离和max{x,0}max\{x,0\}max{x,0}。
采样策略:首先随机选择P个人,分别选择K张图片,这样就组成了2∗P∗K2*P*K2∗P∗K张图片,这种采样策略可以充分利用小样本之间的关系。而且通过这种方式,每个类的样本数量相同,可以避免类不平衡引起的扰动。由于随机抽样机制,小批量中的局部约束可以达到与整个集合中的全局约束相同的结果。
此处作者提出改进:提出类中心的概念
cvi=1K∑j=1Kvji,cti=1K∑j=1Ktjic^i_v = \frac 1 K \sum^K_{j=1}v^i_j,\\ c^i_t = \frac 1 K \sum^K_{j=1}t^i_j cvi=K1j=1∑Kvji,cti=K1j=1∑Ktji
此处,vjiv^i_jvji表示mini-batch中第i个人的第j张visible图片。
原理可用下图表示:
度量学习的目标是让同类之间彼此靠近,异类之间彼此远离。故hetero-center的三元组损失表达式为:
Lhc_tri(C)=∑i=1P[ρ+∥cvi−cti∥2−minn∈{v,t}j≠i∥cvi−cnj∥2]++∑i=1P[ρ+∥cti−cvi∥2−minn∈{v,t}j≠i∥cti−cnj∥2]+L_{hc\_tri}(C) = \sum^P_{i=1} [\rho + \|c^i_v - c^i_t\|_2 - \min_{n \in \{v,t\}\\ j \neq i}\|c^i_v - c^j_n\|_2]_+ \\ +\sum^P_{i=1} [\rho + \|c^i_t - c^i_v\|_2 - \min_{n \in \{v,t\}\\ j \neq i}\|c^i_t - c^j_n\|_2]_+ Lhc_tri(C)=i=1∑P[ρ+∥cvi−cti∥2−n∈{v,t}j=imin∥cvi−cnj∥2]++i=1∑P[ρ+∥cti−cvi∥2−n∈{v,t}j=imin∥cti−cnj∥2]+
对于每一个特征,该损失不仅集中在一个跨模态的正对上,也在模态内和模态间最难挖掘的负对上。
这种方法有两个优点:
1) 降低了计算成本。
– | positive | negative |
---|---|---|
Lbh_triL_{bh\_tri}Lbh_tri | 2PK×(2K−1)2PK \times (2K-1)2PK×(2K−1) | 2PK×2(P−1)K2PK \times 2(P-1)K2PK×2(P−1)K |
Lhc_triL_{hc\_tri}Lhc_tri | 2P2P2P | 2P×2(P−1)2P\times 2(P-1)2P×2(P−1) |
- 将基于样本的损失函数退化为基于中心的损失函数,保留在公共空间同时处理可见和红外模态之间变化的特性。对每个特征,最小化模态正中心对距离可以保证类内的紧凑性,最难的负中心挖掘可保证两种模态的可区分性。
与其他中心损失对比:学习中心learned center:通过为每个类预先设置一个中心参数来学习。
计算中心computed center:直接基于所学习的深度特征来计算中心。
The learned centers:首先用于人脸验证,学习每个类中心,并惩罚深度特征与其对应中心之间的距离。
Llc=12∑i=1P∑j=1K(∥vji−ci∥2+∥tji−ci∥2)L_{lc} = \frac 1 2 \sum^P_{i=1} \sum^K_{j=1} (\|v^i_j - c^i\|_2 + \|t^i_j - c^i\|_2) Llc=21i=1∑Pj=1∑K(∥vji−ci∥2+∥tji−ci∥2)
比较:Lhc_triL_{hc\_tri}Lhc_tri是在对anchor中心对中心的比较中得到的。LlcL_{lc}Llc是sample对中心的比较。
前者计算两个模态的中心。后者将两个中心统一为一个学习向量。
前者挖掘模态内和模态间的属性,后者只关注类内紧凑性。
Lhc_triL_{hc\_tri}Lhc_tri主要是集中于类间可分离性和类内紧凑性,LlcL_{lc}Llc忽略了模态内和模态间的类间可区分性。后者在模态类内紧凑型表现良好,但在跨模态类内紧凑性方面表现比较差。
The computed centers:直接基于所学习的深度特征计算中心。本文也采用这种办法,将中心直接计算为公式,提出hetero-center loss以改善组内交叉模态相似性,惩罚两个模态分部之间的中心距离:
Lhc=∑i=1P∥cvi−cti∥2L_{hc} = \sum^P_{i=1}\|c^i_v - c^i_t \|_2 Lhc=i=1∑P∥cvi−cti∥2
其不同为:上述的函数侧重于类内交叉模态的紧凑性,本文提出的方法侧重于三元组损失挖掘类内和类间的可分辨性。上述函数是本文所提出的一部分。
损失函数:
id loss被用于通过将每个人视为一个类来整合识别特征信息。采用标签平滑操作防止模型训练过拟合。
N是训练集上特征的个数,ξ\xiξ是训练集中模型的置信度。
Latt=Lhc_trig+∑i=1p(Lid+λLhc_trii)L_{att} = L^g_{hc\_tri} + \sum^p_{i=1} (L_{id} + \lambda L^i_{hc\_tri}) Latt=Lhc_trig+i=1∑p(Lid+λLhc_trii)
λ\lambdaλ是预设的权衡参数。
4.实验
4.1 数据集
– | 摄像头 | 训练集 | 测试集 |
---|---|---|---|
SYSU-MM01 | 6(4/2) | 395特征(22258/11909) | 96特征(3803图片) |
RegDB | 2(1/1) | 412特征(每个摄像头捕获特征的10张图片) |
all-search,gallery集合包含所有四个可见摄像头捕获的所有可见光图像
indoor-search,gallery仅包含由两台室内可见光摄像头的可见光图像
all-search比indoor-search更具有挑战性。
RegDB中数据集被随机分为两半,用于训练和测试。测试中,选择一个模态的图像用作图库集,另一个模态作为查询集,重复10次取得平均值。
4.2 评估指标与细节
使用CMC mINP mAP作为评价指标。
框架:pytorch
主干网络:ResNet50
预训练模型:ImageNet,最后一个卷积块stride设置为1(原来为2)以获得具有大尺寸的细粒度特征映射。
训练阶段:resize(288*144) padding 10 随机左右反转 裁剪 动量参数:0.9 学习率:0.1 学习率变化:
预设的边界参数ρ=0.3,P=6,K=8\rho = 0.3, P=6, K=8ρ=0.3,P=6,K=8.λ=2.0forRegDB,λ=1.0forSYSU−MM01\lambda=2.0 ~for~ RegDB, \lambda=1.0 ~ for ~ SYSU-MM01λ=2.0 for RegDB,λ=1.0 for SYSU−MM01.
部分级特征的维度为256,将特征分为6块 stripes。
4.3 实验对比
结果显而易见。
5. 实验结果
5.1 主干网络的设置
在基于BagTricks上涉及的AGW baseline,从双流主干网络输出的3D特征映射有广义平均池化获得2维的特征向量,然后采用BN层对网络进行训练,首先在2维特征商用三元组损失然后再BN向量上一次使用ID损失。
结果如下所示:
s5:证明没有人空间结构信息的特征不能用来描述行人。
s0:多模态行人重识别问题中人的空间结构信息比颜色信息更重要。
RegDB由双摄像头采集,其中可见光图像和红外图像对齐,SYSU-MM01部署在不同视角的不相交的摄像头采集,可见光和红外光有不同的姿势和视图。SYSU-MM01需要更多特定于模态的层来提取人员空间结构。
s2:获得总体更好的性能。
5.2 部分级特征学习
在双流网络和损失层评估层之间添加统一区分策略,此处考虑三个重要的因素:stripe的数量,GeM广义平均池化层,one-by-one的Conv层。
stripe的数量决定了一个人局部特征的粒度。
最大池化的性能优于平均池化的性能,广义平均池化的方法性能最好。
局部特征维度:d=256在绝大部分指标上都比较优秀。
5.3 Hetero-center based triplet loss
与传统的三元组损失进行比较,同时和异质中心的损失进行比较,都显示出比较好的性能。
Lhc_triL_{hc\_tri}Lhc_tri关注类间分离性和类内的差异性。
Lhc和LlcL_{hc}和L_{lc}Lhc和Llc只关注类内跨模态紧凑性,忽略了类内和类间模态的类间可分离性。
三个模块同时组合才能获得最好的性能。
行人重识别论文阅读13-Parameter Sharing Exploration and Hetero-center Triplet Loss for Visible-Thermal Person相关推荐
- 论文阅读:Parameters Sharing Exploration and Hetero-Center based Triplet Loss for Visible-Thermal Person
1.问题 跨模态行人重识别解决模态差异问题的传统方法是将不同模态的特性映射到一个共享子空间中提取与模态无关的共享的特征,后来出现了双流网络提取模态特有特征和共享特征,这种方式对于鉴别特征的提取更有效. ...
- 行人重识别论文阅读2-视频中基于时空相关性和拓扑学习的行人重识别(CTL)
视频中基于时空相关性和拓扑学习的行人重识别 Spatial-Temporal Correlation and Topology Learning for Person Re-Identificatio ...
- 【行人重识别论文阅读笔记——VPM】
[阅读心得] 行人重识别经典论文--VPM 写在前面 1. Abstract 2. Introduction 3. VPM 3.1 Architecture 3.2 Inference 3.3 Sel ...
- 论文阅读29 | Parameter Sharing Exploration and Hetero-center Triplet Loss for V-TReID
论文:Parameter Sharing Exploration and Hetero-center Triplet Loss for Visible-Thermal Person Re-Identi ...
- [行人重识别论文阅读]无监督学习发展与小结
Unsupervised domain adaptation (UDA) for person re-ID. UDA methods have attracted much attention bec ...
- [行人重识别论文阅读]Fine-Grained Shape-Appearance Mutual Learning for Cloth-Changing Person Re-Identification
论文地址 论文代码:暂无 文章思想 在上篇文章中我们引入了sketch(行人轮廓图)的思想去解决换衣问题,但是我们会在实践中发现sketch的优劣性严重影响了最后实验结果的好坏.此篇论文的核心思想就提 ...
- [行人重识别论文阅读]Invariance Matters: Exemplar Memory for Domain AdaptivePerson Re-identification
论文链接:https://arxiv.org/abs/1904.01990 代码:https://github.com/zhunzhong07/ECN Abstract 1.传统的无监督方法只关注于缩 ...
- 行人重识别论文阅读(2021.7.3-7.11)
一 各种方法性能比较 Method Key Market r1 Market mAP Duke r1 Duke mAP (1)BOT global+BNNeck 94.5 84.5 86.4 76. ...
- [行人重识别论文阅读]AlignedReID: Surpassing Human-Level Performance in Person Re-Identification
论文地址: 代码地址: Abstract 摘要部分明确提出了本文的重要思想,利用局部特征学习影响全局特征学习,并指出局部特征的学习方法是通过计算局部特征间的最短距离进而aligned局部特征. 原文: ...
- 2020 ArXiv之跨模态ReID:Parameters Sharing Exploration and Hetero-Center based Triplet Loss for Visible-T
Parameters Sharing Exploration and Hetero-Center based Triplet Loss for Visible-Thermal Person Re-Id ...
最新文章
- C++11智能指针shared_ptr、weak_ptr、unique_ptr用法
- linux VIRT内存占太大,Java top VIRT 内存占用有关问题
- 帝国cms模板仿企业网站
- android 加载so 与内存的关系,Android动态调试so之dump内存数据
- 【Leetcode】101. 对称二叉树
- 判定三角形程序c语言,c语言判定三角形的各种类型——请大家指点
- 2020-11-13 02_计算机视觉基础
- faster RCNN之RPN详解
- 博弈论学习笔记——拍卖原理
- Neural ODE introduction
- 软件工程之功能性需求和非功能性需求
- 缓冲区(1):为什么会有缓冲区(缓存)?
- LumaQQ启动脚本
- PS学习及实践用例总结分享
- Nacos单机环境安装
- 1月第2周业务风控关注 | 微信打击盗用他人的身份恶意注册,去年处理300多万例
- 机器学习7 - 算法进阶2
- ACM四五周学习总结
- php简单富文本,JavaScript_Javascript实现简单的富文本编辑器附演示,复制代码 代码如下: span styl - phpStudy...
- DDNS远程连接 群辉DS218+
热门文章
- 华硕台式计算机光盘怎么启动不了,华硕怎么设置光盘启动_华硕怎么设置开机启动光驱...
- 三分钟带你了解月薪5W的web前端开发到底是干嘛!
- 学习笔记(16):程序员的数学:微积分-常用导数(一):最常用到的技巧
- (专升本)Excel(自动填充数据)
- 机器人图形变变变_《有魔法的形状》l 走进数学的艺术世界——创意拼搭,图形变变变...
- codec engine代码阅读四---CE_DIR/examples/ti/sdo/ce/examles/codecs/videnc_copy(转)
- 新入职软件安装-win10
- EPLAN史上最全部件库,部件宏,EDZ格式,大小合适导入容易 部件包含图片宏
- 中国矿业大学计算机学院进复试,拟录取名单陆续公布!初试第二败北,倒数第一逆袭!...
- 智能运维 | 几十万台服务器,保证一条命令执行到位有多难?