A Discriminatively Learned CNN Embedding for Person Re-identification

Zheng Z, Zheng L, Yang Y. A Discriminatively Learned CNN Embedding for Person Re-identification[J]. Acm Transactions on Multimedia Computing Communications & Applications, 2017, 14(1).

　　本篇論文是一篇基於深度學習的行人重識別探索，主要的特點是采用雙loss組合（Identification loss and verification loss）去增強特征的表達（提高類內特征的聚攏性和類間特征的區分性）。

　　這裏面的verification loss可以借鑒metric learning中的方法，如contrastive loss、triplet loss等等一系列。其實結合meric learning和cnn的方案最早是出現在人臉識別領域中（如王曉剛老師組的deep ID 系列和google的triplet等）。

　　而人臉識別和Re-id在特征學習上有相通性，所以特征學習這塊的方法是可以借鑒的。

contributions：

　　1.提出使用identification loss and verification loss結合的siamese網絡，從而獲取差異性的行人特征。

　　下面有identification 和verification的區別：

pipeline:

　　identification部分，采用了softmax進行目標分類，而verification部分，考慮到contrastive loss在數據規模小時有過擬合的風險（因為有正類不斷拉近的損失），改用cross-entropy loss 進行二分類。

　　 experiments

特征進行可視化效果如下圖所示，可以看到雙loss能獲得更好的特征表達：

　　　　　market-1501上測試結果：

Person Re-identification 系列論文筆記（二）：A Discriminatively Learned CNN Embedding for Person Re-identification