行人检索"Deep Ranking for Person Re-identification via Joint Representation Learning"

检索的原则：与被检索图像正确匹配的图像应在整个检索库中排名靠前。提出了一个排名模型，使用深度CNN构建输入图像对于相似度得分之间的关系。在训练阶段，将标记的数据放到ranking units中，每个包含一个probe和对应的检索集。深度网络学习这么一个关系：为正确的匹配分配最高的相似度得分。

相关研究：
A.行人检索
设计的特征：Ensemble of Localized Features (ELFs)，Symmetry-Driven Accumulation of Local Features (SDALF)，Custom Pictorial Structure (CPS)

Metric Learning: ensemble RankSVM,Pairwise Constrained Component Analysis (PCCA), Mahalanobis metric for Large Margin Nearest Neighbor classification with Rejection (LMNN-R), Relative Distance Comparison (RDC), Locally-Adaptive Decision Function (LADF)

B.深度学习
1. Discriminative Deep Metric Learning (DDML) method for face verification
2. Siamese CNN with a symmetry structure，DML approach for reidentification
3. FPNN takes two images of pedestrians as input and determines whether they have the same identity

Deep Ranking Framework
训练阶段，标记的数据放到ranking units，之后送入deep CNN，正确的匹配排名应靠前，通过最小化正样本排名的加和惩罚乱序排名，网络结构如下：

正确的匹配比错误匹配的相似度得分要高，即：
f(x,x+)>f(x,y),∀y∈G−
G− 中的样本是与x未匹配的，x与 G− 中样本排名可认为是0-1损失的加和：

根据匹配的考虑 (x,G−) 应可能的小，而对于 G− 样本，与x匹配度排名则无法解释，目标函数为：

使用逻辑回归代替0-1损失，目标函数为
J=∑x∑y∈G−σ(f(x,x+)−f(x,y))
最终的是学习相似度度量方法f(.,.),使用深度网络学习。

网络结构
包含5个卷积层提取特征，后随3个全连接层。网络结构如下：

网络的输入是拼在一起的图像对，单个图像256*128，拼接后256*256，卷积操作为：

最后三层是全连接层，

优化
A.Ranking Unit Sampling
将训练数据放到ranking 节点，每个节点包含一个probe x，一个 x+ 和一个x的随机采样的索引集 Rx ，其中 Rx 是 G− 的子集，损失函数是：

损失对相似度的梯度为：

ranking节点变为三元组约束： f(x,x+)>f(x,x−)

实验结果