跨镜追踪（行人重识别Person Re-identification）读书笔记（二）

《Batch Feature Erasing for Person Re-identification and Beyond》

论文地址：https://arxiv.org/pdf/1811.07130.pdf

GitHub代码：https://github.com/daizuozhuo/batch-feature-erasing-network

阿里的一篇文章，思路挺新颖的。提出一种新的训练策略，大抵就是借鉴dropout思想随机丢弃特征图中的部分区域，只是处理细节和策略不同，文章称之为Batch Feature Erasing (BFE)。做法其实蛮简单的，如图所示a为输入行人图，在输出的CNN特征图中随机选取一块区域并将其特征全部置为0（全通道），如b图的红色框所示，如此便可强迫网络集中注意力学习剩下的区域，精炼网络。该方法在公开的数据集上能够达到很不错的效果，并且代码已经开源。

                                                   

分析下网络框架，如下图所示，首先接一个backbone，用的是resnet-50的前4个stage，并且注意的是，去除掉stage-4前的down sampling，为的是提高最后特征图的尺寸，此处得到的维度是2048*24*8。接下来分成两个分支，上分支为baseline的全局branch，下分支便是文章提到的feature erasing branch。上分支首先采用全局平均池化将特征池化为2048*1维特征，接上1*1卷积或者说线性层降维到512*1，最后采用softmax进行ID分类及难例样本的triplet loss，ID分类类别为数据集的ID数。下分支便是特征擦除分支，设置一个擦除区域（mask）将resnet得出的特征T在该区域的特征值全部置为0，擦除区域设置算法如流程图所示，其实就是随机设置一个原特征图一定长宽比例的区域，并且这个长宽要保证足够大能够覆盖一定的语义信息（代码中设置为0.5）。以及，每个batch中该mask的区域位置都是不一样的。下分支采用的是全局最值池化，这点和上分支不同，下文有提到，erasing分支采用max池化而不是average池化是因为实验发现max池化效果更加稳定。接上线性层将池化后2048*1的特征降维到1024*1，同样的再接上softmax loss和batch hard triplet loss。

                                         

                                                                                     

训练时采用将上下分支特征进行ID和triplet loss的计算，测试时则直接连接上分支的512*1和下分支的1024*1特征，并计算特征之间的距离即可。

同时文章还做了模型简化测试，分别有：softmax和triplet以及融合，global branch和feature erasingbranch以及融合，erasing height ratio，erasing branch上pooling方式的性能研究等，如图所示。

                 

最后，该算法在reid的数据集上的指标如下所示，效果不错（without re-ranking），并且light weight。