Bag of Tricks and A Strong Baseline for Deep Person Re-identification（论文阅读笔记）

本文是CVPR2019 的文章，作者给出了一个很强的人体ReID baseline模型，文中包含了许多ReID训练技巧并提出一种BNNeck，在Market1500和DukeMTMC-ReID 两个数据集上达到了目前最好的Rank-1 精度和mAP。

论文链接：《Bag of Tricks and A Strong Baseline for Deep Person Re-identification》

代码链接：https://github.com/michuanhaohao/reid-strong-baseline

 

摘要

    本文探讨了一个简单而有效的行人再识baseline(ReID)。近年来，基于深度神经网络的行人再识别(ReID)技术取得了很大的进展，并取得了良好的性能。然而，许多先进的方法设计复杂的网络结构和连接多分支特征。在文献中，一些有效的训练技巧在几篇论文或源代码中都有简要的介绍。本文将亲自对这些有效的训练技巧进行收集和评价。通过将这些技巧结合起来，该模型在只使用全局特征（global feature）的情况下，在Market1501上实现了94.5%的rank-1和85.9%的mAP。我们的代码和模型在https://github.com/michuanhaohao/reid-strong-baseline。

 

1 引言

    近年来，基于深度神经网络的行人再识别(ReID)技术取得了很大的进展，并取得了良好的性能。然而，许多先进的方法设计复杂的网络结构和连接多分支功能。在文献中，一些有效的训练技巧或改进在几篇论文或源代码中简要出现。本文将亲自收集和评价这些有效的训练技巧。在所有的训练技巧的参与下，ResNet50在Market1501[24]上达到94.5%的rank-1准确率和85.9%的mAP。值得一提的是，它通过模型的全局特性实现了如此惊人的性能。

图1所示。不同baseline在Market1501和dukeMTMC-reid数据集上的性能。我们将我们的强baseline与发表在CVPR2018和ECCV2018上的其他baseline进行比较。 

    为了进行比较，我们调查了去年在ECCV2018和CVPR2018上发表的文章。如图 1 所示。以前的工作大多是在较差的基线上展开的。在Market1501上，23个baselines中只有两个baselines的准确度超过了90% rakn-1。四个baseline的rank-1精度甚至低于80%。在DukeMTMC-reID上，所有baselines的精度都没有超过80%的rank-1或65%的mAP。我们认为一个强有力的baseling对于促进研究的发展是非常重要的。因此，我们用一些训练技巧修改了标准baseline，以获得一个强baseline。我们强大baseline的代码已经开源。

    此外，我们也发现一些作品与其他最好的算法相比是不公平的。具体来说，这些改进主要来自训练技巧，而不是算法本身。但论文中对训练技巧的描述过低，以至于读者忽略了它们。这将使该算法的有效性被夸大。我们建议审稿人在评论学术论文时要考虑这些技巧。

    除了上述原因之外，另一个需要考虑的问题是，工业界更喜欢简单而有效的模型，而不是在推理阶段连接许多局部特征（local features）。为了追求更高的精度，学术界的研究人员往往结合多个局部特征，或利用姿态估计或分割模型中的语义信息。这样的方法带来了太多的额外计算。较大的特征也大大降低了检索的速度。因此，我们希望使用一些技巧来提高ReID模型的能力，并且只使用全局特征来实现高性能。本文的研究目的如下:

* 我们调查了许多在顶级会议上发表的作品，发现其中大多数都是在较差的baseline上扩展的。
* 对于学术界，我们希望为研究人员提供一个强大的baseline，以实现更高的准确性的行人ReID。
* 对于社区，我们希望向审阅人员提供一些参考资料，了解哪些技巧会影响ReID模型的性能。我们建议，在比较不同方法的性能时，审阅人员需要考虑这些技巧。
* 对于行业，我们希望提供一些有效的技巧，以获得更好的模型，而不需要太多的额外计算。

    幸运的是，在一些论文或开源项目中已经出现了许多有效的训练技巧。我们收集了许多技巧，并在ReID数据集上对每个技巧进行评估。经过大量的实验，我们选择了六个技巧来介绍本文。其中一些是我们设计或修改的。我们将这些技巧添加到一个广泛使用的baseline中，以得到修改后的baseline，该baseline在Market1501上实现了94.5%的rank-1和85.9%的mAP。此外，我们发现不同的作品选择不同的图像size和batch size的数量，作为补充，我们也探讨了它们对模型性能的影响。综上所述，本文的贡献总结如下：

    1) 我们为ReID收集了一些有效的训练技巧。其中，我们设计了一种新的neck结构，称为BNNeck。此外，我们还对两个广泛使用的数据集评估了每个技巧的改进。
    2)  我们提供了一个强大的ReID baseline，在Market1501上实现了94.5%和85.9%的mAP。值得注意的是，这些结果是用ResNet50 backbone提供的全局特性得到的。据我们所知，这是全局特征亲自获得的最佳性能。
    3）作为补充，我们评估了图像size和batch size数量对ReID模型性能的影响。

2 标准Baseline

    我们遵循广泛使用的开放源码作为我们的标准baseline。标准baseline的backbone为ResNet50[5]。在训练阶段，pipeline包括以下步骤：

1，我们在ImageNet上初始化带有预训练参数的ResNet50，并将全连接层的维度更改为N, N表示训练数据集中的行人身份数。
2，我们随机抽取每个人的P个身份和K个图像作为训练样本。最后batch-size B = P*K。本文设P = 16, K = 4。
3，我们将每个图像的大小调整为256 *128像素，并将调整后的图像填充10个像素，填充值为0。然后随机裁剪成256 *128的矩形图像。

4，每幅图像水平翻转的概率为0.5。
5，每个图像被解码成32位浮点原始像素值在[0,1]。然后分别减去0.485、0.456、0.406，再除以0.229、0.224、0.225，对RGB通道进行归一化。
6，该模型输出ReID特征为 f 和 ID 预测 logits p。
7，ReID特征 f 用于计算triplet loss[6]。采用ID预测logits p计算交叉熵损失。triplet loss的margin设为0.3。（附：想廖俊杰跟多关于triplet loss的话，可以看我之前的博客：《triplet loss详解和pytorch实现》）
8，采用Adam方法对模型进行优化。初始学习率设置为0.00035，在第40个epoch和第70个epoch分别降低0.1。总共有120个训练epoches。

3 训练Tricks

   本节将亲自介绍一些有效的训练技巧。大多数这样的技巧都可以在不改变模型架构的情况下在标准baseline上扩展。图2 (b)为本节中出现的训练策略和模型架构。

                                                                   图 1. 标准baseline 和我们修改的baseline pipelines

3.1 warmup 学习率

    学习率对ReID模型的性能有很大的影响。标准baseline最初以较大且恒定的学习率进行训练。在[2]中，为了获得更好的性能，使用warmup策略提升网络。在实践中，如图3所示,我们设置10个epoch线性增加学习速率，从3.5*10^-5到 3.5*10^-4。然后,学习速率分别在第40个epoch和第70个epoch，从3.5*10^-5 衰减到3.5*10^-6。在epoch t  处的学习速率lr(t)计算为：

 

3.2 随机擦除增强

    在行人ReID中，人在图像有时被其他物体遮挡。为了解决遮挡问题，提高ReID模型的泛化能力，Zhong等人[27]提出了一种新的数据增强方法——随机擦除增强(REA)。在实践中，在一个mini-batch中的图像 I ,它以 的概率随机擦除、以的概率保持不变。然后，REA在图像 I 中随机选择一个大小为的矩形区域 ，并用随机值擦除其像素。假设图像 I 和区域 的面积分别为和，我们将 表示为擦除矩形区域的面积比。此外，区域 的纵横比在 r1 和 r2 之间随机初始化。为了确定一个唯一的区域，REA随机初始化一个点。如果 并且，设区域为选定的矩形区域。否则，我们重复上述过程，直到选择合适的 。在选定的擦除区域 中，将 中的每个像素分别赋给图像 I 的均值。

    在本研究中，我们将超参数设为p = 0.5；0.02 < Se < 0.4；r1 = 0.3；r2 = 3.33。一些例子如图4所示。

                             图4。随机消除增强的抽样例子。第一行显示了五个原始训练图像。处理后的图像显示在第二行。  

3.3 标签平滑

    ID embedding (IDE)[25]网络是person ReID的基本baseline。IDE的最后一层是一个全连接层，输出图像的 ID 预测logits。隐藏神经元大小等于行人数N 。给定一个图像，我们定义 y 为ground-truth ID标签， 为类别 i 的ID 行人logits。交叉熵损失计算为：

    由于分类的类别是由人的ID决定的，本文将这种损失函数称为ID loss。

    然而，由于测试集的人id没有出现在训练集中，所以可以将行人ReID看作是一次性的学习任务，因此防止ReID模型对训练 id 进行过拟合非常重要。在[17]中提出的标签平滑(LS)是一种广泛用于防止分类任务过拟合的方法。它将结构改为：

(作者举了个例子，加入原始的label是[0，0，1，0，0，0]，平滑参数设置为0.1，则平滑之后的label就会变成[0.02，0.02，0.9，0.02，0.02，0.02]，计算损失时由交叉熵换回原始的相对熵。经过标签平滑之后，网络的过拟合程度也会被抑制一点。)

 （笔者注：但在其他博客中，标签平滑不是这样定义的：y' = (1 - epsilon)*y + epsilon/N。（即，假设N= 5为五分类，样本真实标签为 y = [0,0,1,0,0]，epsilon = 0.1(平滑参数)。 y' 即作者论文中的 qi，为 ：y' = (1-0.1)*[0,0,1,0,0] + 0.1/5  = 0.9 * [0,0,1,0,0] + 0.02 = [0,0,0.9,0,0] + 0.02 = [0.02,0.02,0.92,0.02,0.02]）。

    其中为一个小常数，鼓励模型不要太相信训练集。在本研究中，设为0.1。当训练集不是很大时，LS可以显著提高模型的性能。

3.4 最后一步（Last stride）

    更高的空间分辨率总是丰富了特征的粒度。在[16]中，Sun等删除了主干网络中的最后一次空间下采样操作，以增加feature map的大小。为了方便起见，我们将骨干网络中的最后一个空间下采样操作表示为最后一步（last  stride）。ResNet50的最后一步设置为2。当输入256*128幅图像时，ResNet50的主干输出空间大小为8*4的feature map。如果将最后一步由2步变为1步，我们可以得到一个空间更大的feature map(16*8)，这种操作只会增加非常小的计算成本，并且不需要额外的训练参数。然而，更高的空间分辨率带来了显著的改善。

3.5 BNNeck

    大多数工作都是将ID loss和triplet loss结合起来训练ReID模型。如图5(a)所示，在标准baseline中，ID loss和triplet loss约束了相同的特征 f，但这两种loss的目标在嵌入空间(embedding space)上不一致。

                                                     图 5. 标准neck和我们设计的BNneck之间的比较 

    如图6(a)所示，ID loss构造多个超平面，将嵌入空间划分为不同的子空间。每个类的特征分布在不同的子空间中。在这种情况下，对于推理阶段的ID loss优化模型，余弦距离比欧氏距离更合适。另一方面，如6(b)所示，triplet loss增强了欧氏空间的类内紧凑性和类间可分性。由于triplet loss不能提供全局最优约束，类间距离有时小于类内距离。一种广泛使用的方法是将ID loss和triplet loss结合起来训练模型。这种方法可以让模型学习到更多有区别的特征。然而，对于嵌入空间中的图像对，ID loss主要是优化余弦距离，而triplet loss主要是欧氏距离。如果我们使用这两个损失同时优化一个特征向量，它们的目标可能是不一致的。在训练过程中，一种可能的现象是一种损失减少了，而另一种损失在振荡甚至增加。

图6。由(a) ID loss、(b)triplet loss、(c) ID +triplet loss、(d) ID +triplet loss+ BNNeck监督的嵌入空间样本分布的二维可视化。不同颜色的点表示不同类的嵌入（embedding）特征。黄色虚线代表假定的分类超平面。

     为了克服上述问题，我们设计了如图5(b)所示的BNNeck结构。BNNeck只在特征层之后(和分类器FC层之前)添加了一个batch normalization(BN)层。将BN层之前的特征表示为 ，让 通过BN层获得归一化特征 。在训练阶段，分别用 和 计算triplet loss和 ID loss。normalization平衡了 的各个维度。这些特征在超球面附近呈高斯分布。这种分布使得 ID loss更容易收敛。此外，BNNeck减小了对 的ID loss约束，ID损失的约束越小，triplet loss越容易同时收敛。第三，normalization保持了属于同一个人的特征的紧凑分布。

    由于超球面几乎是关于坐标轴原点对称的，BNNeck的另一个技巧是消除分类器FC层的偏差(biases)。它约束分类超平面通过坐标轴原点。我们用[4]中提出的kaiming初始化来初始化FC层。

    在推理阶段，我们选择 来完成person ReID任务。余弦距离度量比欧氏距离度量具有更好的性能。实验结果如表1所示，BNNeck可以大幅度提高ReID模型的性能。

    表 1 在Market1501和DukeMTMC-reid数据集上对不同模型的性能进行了评估。Baseline-S代表第2节中介绍的标准baseline。

3.6 Center loss

    tripet loss 的组成：

    其中和为positive pair和negative pair的特征距离。为triplet loss的margin，[z]+ = max(z,0)。在本文中，设为0.3。但是triplet loss只考虑和的差值，忽略了它们的绝对值。例如，当dp = 0.3；dn = 0.5，triplet为0.1。另一种情况下，dp = 1.3；dn = 1.5，triplet loss也是0.1。triplet loss由随机采样的两个人id确定。在整个训练数据集中，很难保证dp < dn。

    center loss[20]同时学习每个类的深度特征中心，并惩罚深度特征与其对应的类中心之间的距离，弥补了triplet loss的缺点。center loss函数表示为：

    其中 是mini-batch中的第 j 个图像的标签。为深度特征的第个类中心。B是batch-size的数量。这个公式有效地描述了类内的变化。将center loss最小化可以增加类内紧凑性。我们的模型总共包括以下三个损失：

     是center loss的平衡权重，在我们的实验中设置为0.0005.

4 实验结果

    在本节中，我们将在Market1501和dukemtc-reid[11]数据集上评估我们的模型。采用Rank-1精度和平均平均精度(mAP)作为评价指标。我们依次在标准基线上添加tricks，并且不更改任何训练设置。消融研究的结果显示，每个trick都能提高性能。为了避免过拟合的误导，我们还展示了跨域（cross-domain）实验的结果。

4.1 ，每个trick的影响（同域）

    第2节中引入的标准baseline在Market1501和DukeMTMC-reID上分别实现了87.7%和79.7%的rank-1精度。标准baseline的性能与其他论文中报道的大多数baseline相似。然后，我们将warmup策略、随机擦除增强、标签平滑、步幅变化、BNNeck和center loss逐一添加到模型训练过程中。我们设计的BNNeck比其他trick更能提高性能，尤其是DukeMTMC-reID。最后，这些技巧使baseline在Market1501上获得了94.5%的Rank-1精度和85.9%的mAP。在DukeMTMC-reID上，其精度达到了86.4%的rank-1和76.4%的mAP。在其他工作中，这些训练tricks将标准baseline的性能提高了10%以上。另外，为了得到这样的改善，我们只需要增加一个BN层，不增加训练时间。

4.2 BNNeck 分析

    在本节中，我们使用欧氏距离度量和余弦距离度量来评估两个不同特征(和)的性能。所有模型均经过训练，表2所示无center loss。我们观察到，对于，余弦距离度量比欧氏距离度量表现得更好。由于ID loss直接限制了BN层之后的特征，可以被多个超平面清晰地分割。余弦距离可以测量两个特征向量之间的夹角，因此余弦距离度量比欧氏距离度量更适用于。然而，ft接近triplet loss，同时又受到ID loss的约束。两种度量方法在上实现了类似的性能。

表2. BNNeck的消融研究。f (w/o BNNeck)是baseline，没有BNNeck。BNNeck包括两个特征 和 。我们分别用欧氏距离和余弦离来评价它们的性能。

    总体而言，BNNeck显著提高了ReID模型的性能。在推理阶段，我们选择带余弦距离度量的  进行检索。

4.3 每个trick的影响（跨域）

    为了进一步探讨其有效性，我们还将跨域实验结果如表3所示。综上所述，warmup策略、标签平滑和BNNeck三种方法显著提高了ReID模型的跨域性能。stride的变化和center loss似乎对表现没有太大的影响。然而，在跨域ReID任务中，REA会对模型造成危害。特别是，当我们的修改baseline在没有REA的情况下进行训练时，它在Market1501和DukeMTMC-reID数据集上的Rank-1精度分别达到41.4%和54.3%。它的性能大大超过了标准baseline的性能。通过对训练图像区域的REA mask，可以使模型在训练域中获得更多的知识。它会导致模型在测试领域的性能变差。

    表 3. 在跨域数据集上评估不同模型的性能。M->D表示我们在Market1501上训练模型，并在DukeMTMC-reid上进行评估。

4.4 和最好的方法进行比较

    我们在表4中比较了强baseline与最先进的方法。所有的方法都被分成不同的类型。Pyramid[22]在两个数据集上实现了惊人的性能。然而，它连接了21个不同规模的局部特征（local feature）。如果只利用全局特征（global feature），则在Market-1501获得92.8%的rank-1精度和82.1%的mAP。我们强大的baseline在Market1501数据集上可以达到94.5%的Rank-1精度和85.9%的mAP。BFE[1]的性能与我们的强baseline类似。但是它结合了两个分支的特征。在所有只使用全局特性的方法中，我们的强baseline在Market1501和DukeMTMC - reid上都比AWTL[12]强10%以上。通过k-倒数重排方法提高性能，我们的方法在Market1501和dukemtc - reid上分别达到了94.1%和89.1%的mAP。据我们所知，我们的baseline在仅使用全局特性的情况下实现了最佳性能。

                                表 4. 和最好的方法的比较。是在推理阶段的特征数目。PK表示k-倒数重排方法。

5 补充实验

    我们观察到，之前的一些工作是用不同数量的batch-size或图像大小。在本节中，作为补充，我们将探讨它们对模型性能的影

响。

5.1 Batch Size数量的影响

    小mini-batch的triplet loss包括B = p*k张图像。P和K分别表示不同的人的数量和每个人不同的图像的数量。一个mini-batch在一个GPU中最多只能包含128张图像，所以我们不能用P = 32，K = 6或P = 32，K = 8来做实验。通过去除center loss，明确了triplet loss与batch size大小的关系。结果如表5所示。然而，目前还没有具体的结论来证明B对性能的影响。我们观察到的一个轻微的趋势是，更大的batch-size有利于模型性能。我们推断，较大的k则有助于挖掘较硬的positive pair，而较大的P有助于挖掘较硬的negative pair。

                                                         表 5. 不同batch-size数量的ReID模型的性能

5.2 图像size的影响

    我们训练了没有center loss的模型，设P = 16；K = 4。如表6所示，四个模型在两个数据集上实现了类似的性能。在我们看来，图像大小并不是ReID模型性能的一个非常重要的因素。