MGN网络详解以及代码分析

MGN网络详解以及代码分析

最近阅读了云从科技最新的关于REID的论文以及相关的博客和代码,算法是基于MGN,关于网络的部分,这里记录一些自己的学习笔记。
以下是我参考的博客和代码的网址

博客: https://blog.csdn.net/Gavinmiaoc/article/details/80840193
代码: https://github.com/Gavin666Github/reid-mgn

以下内容主要为对于论文、博客以及代码的学习心得

一、首先看一下网络结构
MGN网络详解以及代码分析_第1张图片
网络结构从左到右,先是两个人的图片输入,这边有 3 个模块。3 个模块的意思是表示 3 个分支共享网络,前三层这三个分支是共享的,到第四层时分成三个支路,第一个支路是 global 的分支,第二个是 part-2 的分支,第三个是 part-3 的分支。在 global 的地方有两块,右边这个方块比左边的方块大概缩小了一倍(12×4),因为做了个下采样,下面两个分支没有做下采样,所以第四层和第五层特征图是一样大小的(24×8)。
接下来我们看一下图中黄色部分的区域。网络对 part-2 跟 part-3 做一个从上到下的纵向分割,part-2 在第五层特征图谱分成两块,part-3 对特征图谱从上到下分成三块。在分割完成后,我们用Max-pooling,得到一个 2048 的向量。
然后我们来看一下具体是怎么操作的,part-2 跟 part-3 的操作跟 global不一样,part-2 有两个 pooling,第一个pooling对应Zg p2(蓝色的长条),通过24×8大小的卷积核,将第五层特征图直接最大池化生成1×1×2048的向量。第二个pooling的卷积核大小和第一个不一样,为12×8,因此生成的是2×1×2048的向量,我们将其拆成2个1×1×2048的向量,对应图中part-2 中的2个接在一起的长条形。淡蓝色这个地方变成了小方体 ,大小为1×1×256,这个地方是做的降维,从 2048 维做成 256 维,主要是为了方便特征计算,这样更快更有效。
我们在测试的时候会在淡蓝色的地方,小方块从上到下应该是 8 个,我们把这 8 个 256 维的特征串连一个 2048 的特征,用这个特征替代前面输入的图片。
接下来我们对应程序中的网络部分来看一下。

二、看一下主程序的部分(mgn.py)
1.
MGN网络详解以及代码分析_第2张图片
该部分为引用的相关库
2.
在这里插入图片描述
第一句是将我们数据集market-1501的地址赋给root
第二句是关于线程方面的,此处不用管
3.
MGN网络详解以及代码分析_第3张图片
这个地方开始定义MGN网络,首先我们看到_init_函数,由于MGN网络的前3层和resnet-50的网络前三层基本上是一致的,所以我们MGN网络前三层就可以照搬resnet-50的前三层网络。
4.
MGN网络详解以及代码分析_第4张图片
此时我们的输入图片,会进行三组不同的处理方式,这3组不同处理方式的共同点就是都会经过resnet-50的前三层,第一种处理方式我们称为global,代码中的res_g_conv5就是该处理方式的第四层处理,不过该方式的第四层处理和resnet-50无异,因此直接调用。而后2组我们不做下采样,保持第五层特征图和第四层特征图的大小均为24×8,因此作上述处理。
不过该网络的结构并非重点,重点是如何调用该网络,使其进行行人的追踪和识别,因此我们重点研究网络的输出部分。
5.
MGN网络详解以及代码分析_第5张图片
这里对应上图中提到的最大池化和降维操作
6.
MGN网络详解以及代码分析_第6张图片
这里对应的部分将得到的8个256维向量经过全连接层,将维度改为识别的类别数,对应损失函数softmax loss。
7.
MGN网络详解以及代码分析_第7张图片
zg_p1(1×1×2048)、zg_p2(2×1×2048)、zg_p3(3×1×2048)分别对应淡黄色部分最大池化后的蓝色2048 的向量
z0_p2、z1_p2、z0_p3、z1_p3、z2_p3则分别是P2和P3被分开的部分,对应图中淡黄色部分的其他向量。
8.
MGN网络详解以及代码分析_第8张图片
该网络的输出由几部分组成,最主要的部分就是网络输出的图片对应的特征图谱predict,这个特征图谱由8个子图谱(淡蓝色部分,分别对应降维后生成的fg_p1, fg_p2, fg_p3, f0_p2, f1_p2, f0_p3, f1_p3, f2_p3)拼接而成,其余的部分(L)则为图中的softmax损失函数。

新人第一次发CSDN博客,如有错误的地方,欢迎指教!!!

你可能感兴趣的:(MGN网络详解以及代码分析)