中科院&地平线开源state-of-the-art行人重识别算法EANet:增强跨域行人重识别中的部件对齐...

点击我爱计算机视觉标星，更快获取CVML新技术

---

编者按：前几天就看到这篇论文EANet，非常非常棒，有幸征得原作者同意授权“我爱计算机视觉”转载，感谢各位大佬的优秀工作~

最重要的是大家一定要收藏本文，还要去Github上给大佬加星！

本文介绍我们最新的工作EANet: Enhancing Alignment for Cross-Domain Person Re-identification

代码公布在：

https://github.com/huanghoujing/EANet

简介

单域（single-domain）的行人重识别（ReID）近来已经取得了巨大的进展，但是在跨域（cross domain，或者迁移，transfer）问题上却存在很大的困难，主要体现在：

（1）直接把训好的模型到目标域（target domain）测试，性能有巨大的下降；

（2）利用无id标注的目标域图片进行领域适应（domain adaptation）具有其挑战性。

这篇文章中，我们发现部件对齐在跨域重识别中起着重要的作用。

通过强化模型的对齐，我们一方面提高模型的泛化性能（generalization），提升模型直接跨库测试的性能；另一方面，我们的部件对齐模型可以很自然地利用目标域无标签数据，实现领域自适应（adaptation），使得模型可以适配目标域。

我们在Market1501，CUHK03，DukeMTMC-reID，MSMT17四个目前最大的行人重识别数据库之间进行大量的跨域实验，证明了我们方法的有效性，并且取得了state of the art的结果。同时，出于完整性，我们还实验证明了和现有跨域方法的互补性。

整体模型框图

图1：模型的主要特点是部件对齐池化（PAP: Part Aligned Pooling）、每个部件的id约束、部件分割（PS: Part Segmentation）约束，并且在训练阶段同时利用源域（有id标注）和目标域（无id标注）的图片

基于区域池化的ReID模型

ECCV18 state-of-the-art的工作PCB [1]给我们的启发是，提取局部区域的特征、并且每个区域都施加id约束，这样能够训练出判别性很强的模型。因此，我们也采用这种局部特征+每个区域id约束的方式。

部件对齐池化（PAP: Part Aligned Pooling）

图2：（a）PCB池化的区域，（b）本文池化的区域，（c）本文使用的关键点

PCB的做法是在特征图上把一个图片均分成P块，如图2中（a）所示。显而易见，这种方式对于检测器的定位偏差是很不鲁棒的。我们的做法是根据关键点的位置（关键点检测模型在COCO上训练），将身体划分成P个区域，具体如图2（b）所示。我们最终的模型使用的是9个区域，如图1中左下角。在和PCB的对比实验中，出于公平，我们只使用R1~R6六个区域。

部件对齐池化后，所接的嵌入层、分类器、softmax loss的做法和PCB保持一致。

部件分割约束（PS Constraint）

我们采用局部区域池化的方式提取特征，初衷是从不同区域提取到不同的特征，对行人进行细粒度的表征。但是，我们发现不同区域提取出来的特征（特别是相邻区域）具有很高的相似度。

另外，我们还发现，把遮挡掉一半（上半部或下半部）的图片送进网络，基于部件的模型（PCB、我们的PAP）Conv5的特征在被遮挡区域仍有很大的响应。

我们猜测原因

（1）Conv5的神经元感受野超级大；

（2）每个部件的id约束非常强，从每个部件区域提取出来的特征必须具备足够多的信息才能满足id分类的约束。

因此，从一个部件区域池化得到的特征很可能表示好几个部件的特征。区域划分得越小，则每个区域的id约束越是加重了这个问题。

存在这个问题的模型，虽然也能提取到多个判别性很强的特征，但是我们觉得失去了定位能力的特征

（1）对于部件对齐的性能还是有折扣，

（2）不同区域得到的特征之间冗余度较高。

为了让模型从一个区域池化得到的特征尽量以这个区域为重点，降低部件之间的冗余度，我们在尝试了各种方法无果之后，提出在Conv5的特征图上施加部件分割的约束。

直觉解释是，如果从Conv5每个空间位置的特征可以区分出来其属于哪个部件类别，那么说明这些特征是具有部件区分性的。我们很简单地在Conv5的特征上加一个部件分割的小模块（Part Segmentation Head）来达到这个目的。PS模块由一个stride=2的3x3反卷积层和一个1x1的卷积层组成。为了得到部件分割的监督信号，我们在COCO上训练了一个部件分割模型，然后在ReID数据库上进行预测，得到部件伪标签，如图3所示。

图3：（a）COCO上的部件标注（b）训好的分割模型在ReID数据库上预测的伪标签

部件分割约束实现领域自适应

加了部件分割模块之后，我们的模型可以看成双流的多任务模型，我们自然而然可以想到把部件分割约束施加到无id标注的目标域图片上。

这样做的好处是，一方面模型见过目标域的图片，在训练阶段就能起到一定的领域适应的作用；另一方面，保证了模型在目标域图片提取特征时的定位和对齐。

多任务、多域训练

源域的图片可以同时进行ReID、部件分割训练，目标域图片只能进行部件分割训练。

训练阶段，我们的学习率、迭代次数、优化器等优化设置保持和单独训ReID的情况一致。

源域batch和目标域batch分开前传，但是源域ReID损失、分割损失的梯度，和目标域分割损失的梯度相加后再一起更新模型。

实验：部件对齐的作用

表格1：部件对齐对跨域的作用

我们对比PAP-6P和PCB，其中PAP-6P的训练和测试阶段都是在图1中R1~R6区域池化得到6个特征，其它训练、测试设定和PCB一致。PAP-6P和PCB在源库上性能相当，但是对跨库有很大的提升，比如在M->D上Rank-1提高了4.7个点。说明了对齐的特征提取对模型的泛化性能（generalization）有很大的帮助。

PAP在训练和测试阶段使用了图1中R1~R9共9个区域，PAP比PAP-6P在CUHK03上Rank-1有3.9%的提升。我们后续的实验都是基于PAP。

实验：部件分割约束的作用

图4：部件之间的特征相似度

在PAP的基础上，增加部件分割约束的模型记为PAP-S-PS（模型只见过源域图片），对目标域和源域都施加分割约束的模型记为PAP-ST-PS。

我们把PCB、PAP、PAP-S-PS、PAP-ST-PS几个模型的部件特征cosine相似度（测试集上的统计值）计算出来，如图4。

我们看出，部件对齐的池化、部件分割约束都明显降低了部件之间特征的相似度。我们相信这也意味着降低了特征的冗余和混淆。

表格2：部件分割约束的作用（PAP-S-PS-SA这一项得看论文具体解释）

PAP、PAP-S-PS、PAP-ST-PS三个模型的分数对比见表格2。

可以看出，PAP-S-PS比PAP在源域上有稍微提升，对跨域有很大提升，比如M->D的Rank-1提升了5个点。这体现了模型泛化性能（generalization）的提升。

另外，比较PAP-S-PS和PAP-ST-PS，我们看出对目标域图片的分割约束进一步提升了跨域性能，比如M->D的Rank-1，PAP-ST-PS比PAP-S-PS提升了4.7个点。这体现了目标域图片部件分割约束作为领域适应（adaptation）的有效性。

图5：目标域部件分割约束的直观效果

从图5中，我们也可以看出目标域图片部件分割约束的直观效果。PAP-S-PS模型没有见过目标域图片，因此在目标域预测的分割结果有很多噪声、残缺，而PAP-ST-PS见过目标域图片，明显改善了这个问题。

实验：在MSMT17上训练

上面提到的实验，我们在MSMT17（目前最大的Image-based ReID数据集）上也进行了训练。可以得到和上面一致的结论。分数见表格3。

表格3：在MSMT17上训练

实验：COCO提供的部件分割约束

表格4：COCO提供的部件分割约束的作用

我们甚至尝试把COCO的部件分割约束加入到模型的训练中，其中一个考虑是COCO的部件标签是准确的。具体做法是，我们在训练PAP模型的时候，同时训练COCO图片的部件分割，但是不对ReID图片训练部件分割，模型记为PAP-C-PS。

因此模型优化的是ReID图片的ReID约束，以及COCO图片的分割约束。根据表格4，比较PAP、PAP-C-PS，我们发现COCO图片的加入降低了源库的性能，但是跨库的分数有非常大的提升，比如PAP-C-PS比PAP在M->D的Rank-1提升了7.9个点。

这说明了我们在实际应用中，甚至可以把公开的通用的部件分割数据库（如COCO、Pascal Part、LIP）作为模型训练的一部分数据，提升模型部件对齐的能力，这无疑是比较可喜的一点。

另外，如果想要让模型在加了COCO图片后，在源库和目标库都保持较高的性能，我们建议把COCO图片转换成ReID图片的风格，然后把原始COCO图片、新风格的COCO图片都加到模型训练中。我们把这个方法记为PAP-StC-PS，记录在表格4中。

实验：和现有跨域方法的互补性

现有跨域方法的主流做法包括（1）风格迁移。利用GAN把源域的图片转换成目标域的风格，然后在这些生成的图片上训练ReID模型。（2）预测伪标签（CFT: Clustering-and-FineTuning）。利用源域训好的ReID模型，在目标域上通过聚类、贴伪标签的方式得到伪监督训练数据，然后微调ReID模型。

（1）风格迁移的方法。ReID模型本身性能越好（只要求源域内测试性能高，不要求跨库性能高），则在风格化后的图片上训练ReID模型，自然能够得到更好的模型。然后，由于图片是目标域风格的，所以跨域性能自然更好。

（2）预测伪标签的方法。ReID模型的跨域性能越好，那么模型在目标域的初始状态越好，聚出来的类别越加纯净，越有利于模型的微调。

因此，从理论上来说，源域、跨域都更好的ReID模型，和这两种已有跨域方法就很自然地是互补的。出于完整性，我们也实验证明了和现有跨域方法SPGAN [2]（Simon4Yan/Learning-via-Translation）、DomainAdaptiveReID [3]（LcDog/DomainAdaptiveReID）的互补性。

注意，出于简单、清晰对比的考虑，我们只使用DomainAdaptiveReID中聚类的方法和阈值选择的方法，不采用re-ranking距离，也不采用随机擦除数据扩增，而且在目标域微调时，我们保持本文提出的模型结构，而不采用triplet loss微调。

实验分数如表格5所示。其中PCB-SPGAN、PAP-S-PS-SPGAN指的是，我们训练PCB、PAP-S-PS的时候，采用风格后的图片，这利用的是风格化的方法使得模型在训练阶段见过目标域的分布。

PAP-ST-PS-SPGAN表示训练PAP-ST-PS的时候，源域的图片用的是风格后的图片，这综合利用了“优化目标域图片分割约束”、“风格化”两种方法使得模型在训练阶段见过目标域的分布。

PAP-ST-PS-SPGAN-CFT指的是，利用训练好的PAP-ST-PS-SPGAN模型作为初始化，在目标域执行聚类、贴伪标签、监督训练的任务。

表格5：和现有跨域方法的互补性

根据表格5，（1）比较PAP-S-PS-SPGAN和PAP-ST-PS，前者是利用风格迁移让模型训练阶段见过目标域分布，后者是利用对目标域图片分割约束让模型见过目标域分布，可以看出两者性能相当。另外，当我们的方法和SPGAN结合时，分数提升很多。（2）我们没有做实验对比不同模型进行Clustering-and-FineTuning（CFT）的效果，只证明了我们的方法和CFT的互补性。

State-of-the-art的性能：单域

我们和state-of-the-art的单域方法（single-domain）性能比较如表格6，可以看出，我们的分数达到了state-of-the-art。

表格6：单域的state of the art

State-of-the-art的性能：跨域

我们和state-of-the-art的跨域方法性能比较如表格7，可以看出，我们的分数也达到了state-of-the-art。

表格7：跨域的state of the art

结论

本文主要验证了部件对齐在跨域ReID中的重要作用。我们提出的部件对齐池化、源域图片部件分割约束显著提高了模型的泛化性能（generalization），同时我们提出的目标域图片分割约束起到了有效的领域自适应作用（domain adaptation）。另外，和现有方法的互补性也得到了实验论证。

将来工作

（1）我们的实验证实了，部件分割和ReID是两个互相兼容的任务，因此下一步将考虑两个任务的共同训练，去掉对额外的分割模型的需求，提高效率。

（2）尝试利用部件分割结果来池化提取部件特征，去除关键点检测模型，提高效率。（3）我们的模型可以使得Conv5的特征保持定位能力，我们相信这对于更困难的问题：部分人ReID（Partial ReID）也具有很大的帮助，因此后续会在这个问题上进行更多的探索。

实现细节

我们所有模型的池化都是max pooling。ReID的数据扩充只有训练时的flipping。GlobalPool的embedding size是512，其它模型的embedding size是256。测试用的ReID特征是embedding输出的特征。（后续将会考虑warmup、triplet loss、cropping等）。更多细节见代码，以及文章。

代码

我们完备、规整的代码已经开源在：

https://github.com/huanghoujing/EANet

包括文章几乎所有的实验、数据、训练好的模型等。代码基于pytorch 1.0.0，同时具有较高的扩展性，欢迎读者的关注。希望阅读完此文的你能给我们一个star！

引用

[1] Y. Sun, L. Zheng, Y. Yang, Q. Tian, and S. Wang. Beyond part models: Person retrieval with refined part pooling. In ECCV, 2018.

[2] W. Deng, L. Zheng, G. Kang, Y. Yang, Q. Ye, and J. Jiao. Image-image domain adaptation with preserved selfsimilarity and domain-dissimilarity for person reidentification. In CVPR, 2018.

[3] L. Song, C. Wang, L. Zhang, B. Du, Q. Zhang, C. Huang, and X. Wang. Unsupervised domain adaptive re-identification: Theory and practice. arXiv, 2018.

开源地址

https://github.com/huanghoujing/EANet

加群交流

欢迎加入52CV-行人检测、行人重识别、步态识别等方向专业群，扫码添加52CV君拉你入群

（请务必注明:行人）

喜欢在QQ交流的童鞋，可以加52CV官方QQ群：928997753。

（不会时时在线，如果没能及时通过验证还请见谅）

更多技术干货，详见：

新年快乐！"我爱计算机视觉"干货集锦与新年展望

---

长按关注我爱计算机视觉

【点赞与转发】就是一种鼓励