行人重识别之局部特征
AlignedReID: Surpassing Human-Level Performance in Person Re-Identification
原文链接：https://arxiv.org/pdf/1711.08184.pdf
本文的标题很唬人，其实叠加了很多的tricks。除了本文最重要的创新点局部特征联合之外，还利用了Mutual Learning、rerank、hard triplet loss。在Market1501和CUHK03上的mAP分别达到了90.7%和97.8%。所以虽然 tricks很多，但是也让我们看到了计算机的潜能。
接下来，重点聊聊这篇文章中提出的局部特征联合吧。
先看看网络结构：
global feature很简单，没什么特别的。主要看看local feature部分。对于每一张图片的2048x7x7的特征向量，通过池化和1x1卷积生成了128x7的特征图。共有七行，每一行与图片的七分之一的水平分割块相对应。
这也没什么特别的，看到这，一般人的想法都会认为所谓联合就是比较一下两张图的7个部分，计算出7x7=49种相似度，再算出总的相似度。但是作者提出来了一种神奇的新思想。
用f和g分别代表两张图的特征，每一个特征都有H（7）行，用如下公式计算出行与行之间的距离。这样就可以计算出一个7x7的矩阵。
重点来了，如何用这个矩阵计算总的相似度呢？
如上图所示，计算从（1，1）走到（7，7）的最短路径（也就是这条路径上所有的相似度之和最小）。这样，图中的拐点就表示两个图像相对应的位置，比如（2，4），表示A的第二块和B的第四块是对应的，而图中也确实是对应的。这样在优化的过程中，就会不断优化拐点的距离，同类减小，异类增大。直接实现了局部特征的充分利用，间接实现了图片的软对齐。
最后我们看一个例子，看看大家是否具备行人重识别的慧眼。
反正我是看不出来到底是第三个还是第六个，作者也没给答案。所以计算机确实挺厉害的…
总结：这篇文章让我们看到了计算机的潜力，所以AI确实大有可为。另外，引用作者的一句话作为结尾：the end-to-end learning with structure prior is
more powerful than a “blind” end-to-end learning
完
欢迎讨论 欢迎吐槽
