Person Re-identification 系列论文笔记（二）：A Discriminatively Learned CNN Embedding for Person Re-identification

　　A Discriminatively Learned CNN Embedding for Person Re-identification

Zheng Z, Zheng L, Yang Y. A Discriminatively Learned CNN Embedding for Person Re-identification[J]. Acm Transactions on Multimedia Computing Communications & Applications, 2017, 14(1).

　　本篇论文是一篇基于深度学习的行人重识别探索，主要的特点是采用双loss组合（Identification loss and verification loss）去增强特征的表达（提高类内特征的聚拢性和类间特征的区分性）。

　　这里面的verification loss可以借鉴metric learning中的方法，如contrastive loss、triplet loss等等一系列。其实结合meric learning和cnn的方案最早是出现在人脸识别领域中（如王晓刚老师组的deep ID 系列和google的triplet等）。

　　而人脸识别和Re-id在特征学习上有相通性，所以特征学习这块的方法是可以借鉴的。

        contributions：

　　1.提出使用identification loss and verification loss结合的siamese网络，从而获取差异性的行人特征。

　　下面有identification 和verification的区别：

         pipeline:

　　identification部分，采用了softmax进行目标分类，而verification部分，考虑到contrastive loss在数据规模小时有过拟合的风险（因为有正类不断拉近的损失），改用cross-entropy loss 进行二分类。

 　　  experiments

           特征进行可视化效果如下图所示，可以看到双loss能获得更好的特征表达：

　　　　　market-1501上测试结果：

Person Re-identification 系列论文笔记（二）：A Discriminatively Learned CNN Embedding for Person Re-identification

原文：https://www.cnblogs.com/dingz/p/9342767.html