深度學(xué)習(xí)行人重識(shí)別綜述與展望，TPAMI 2021 最新文章

作者 |?葉茫 武漢大學(xué)

編輯 | CV君

轉(zhuǎn)自?|?我愛計(jì)算機(jī)視覺（微信id：aicvml）

1. 綜述：全面調(diào)研了近年來深度學(xué)習(xí)在 Re-ID 領(lǐng)域的進(jìn)展，囊括了近幾年三大視覺頂會(huì)上的大部分文章（如有遺漏，請諒解）。主要包括 Closed-world Re-ID 與 Open-world Re-ID 的研究進(jìn)展，常用數(shù)據(jù)集和評價(jià)指標(biāo)的概述，并分析了現(xiàn)有方法的不足和改進(jìn)點(diǎn)。

2. 展望：1) 一個(gè)新的評價(jià)指標(biāo) mINP，用來評價(jià)找到最困難匹配行人所需要的代價(jià)；2) 一個(gè)強(qiáng)有力的 AGW 方法，在四種不同類型的 Re-ID 任務(wù)，包括 12個(gè)數(shù)據(jù)集中取得了較好的效果；3) 從五個(gè)不同的方面討論了未來 Re-ID 研究的重點(diǎn)和難點(diǎn)，僅供大家參考。

前言

1. 數(shù)據(jù)采集，一般來源于監(jiān)控?cái)z像機(jī)的原始視頻數(shù)據(jù)；

2. 行人框生成，從視頻數(shù)據(jù)中，通過人工方式或者行人檢測或跟蹤方式將行人從圖中裁切出來，圖像中行人將會(huì)占據(jù)大部分面積；

3. 訓(xùn)練數(shù)據(jù)標(biāo)注，包含相機(jī)標(biāo)簽和行人標(biāo)簽等其他信息；

4. 重識(shí)別模型訓(xùn)練，設(shè)計(jì)模型（主要指深度學(xué)習(xí)模型），讓它從訓(xùn)練數(shù)據(jù)中盡可能挖掘“如何識(shí)別不同行人的隱藏特征表達(dá)模式”；

5. 行人檢索，將訓(xùn)練好的模型應(yīng)用到測試場景中，檢驗(yàn)該模型的實(shí)際效果。

圖 1. 構(gòu)建行人重識(shí)別系統(tǒng)的五個(gè)主要步驟。包括：1）數(shù)據(jù)采集，2）行人框生成，3）訓(xùn)練數(shù)據(jù)標(biāo)注；4）重識(shí)別模型訓(xùn)練，5）行人檢索

• 通過圖像或視頻，可見光（RGB）攝像機(jī)捕捉行人；

• 行人由 bounding boxes 框出；

• 有足夠多的被標(biāo)注訓(xùn)練數(shù)據(jù)；

• 標(biāo)注的數(shù)據(jù)標(biāo)簽通常都是正確的；

• query person 必須出現(xiàn)在 gallery set 中。

2.1 特征學(xué)習(xí)方法

• 全局特征學(xué)習(xí)：利用全身的全局圖像來進(jìn)行特征學(xué)習(xí)，常見的改進(jìn)思路有Attention 機(jī)制，多尺度融合等；
• 局部特征學(xué)習(xí)：利用局部圖像區(qū)域（行人部件或者簡單的垂直區(qū)域劃分）來進(jìn)行特征學(xué)習(xí)，并聚合生成最后的行人特征表示；
• 輔助特征學(xué)習(xí)：利用一些輔助信息來增強(qiáng)特征學(xué)習(xí)的效果，如語義信息（比如行人屬性等）、視角信息（行人在圖像中呈現(xiàn)的不同方位信息）、域信息（比如每一個(gè)攝像頭下的數(shù)據(jù)表示一類域）、GAN 生成的信息（比如生成行人圖像）、數(shù)據(jù)增強(qiáng)等；
• 視頻特征學(xué)習(xí)：利用一些視頻數(shù)據(jù)提取時(shí)序特征，并且融合多幀圖像信息來構(gòu)建行人特征表達(dá)
• 特定的網(wǎng)絡(luò)設(shè)計(jì)：利用 Re-ID 任務(wù)的特性，設(shè)計(jì)一些細(xì)粒度，多尺度等相關(guān)的網(wǎng)絡(luò)結(jié)構(gòu)，使其更適用于 Re-ID 的場景。

2.2 度量學(xué)習(xí)方法

• Identity Loss:?將 Re-ID 的訓(xùn)練過程當(dāng)成圖像分類問題，同一個(gè)行人的不同圖片當(dāng)成一個(gè)類別，常見的有 Softmax 交叉熵?fù)p失函數(shù)；
• Verification Loss：將 Re-ID 的訓(xùn)練當(dāng)成圖像匹配問題，是否屬于同一個(gè)行人來進(jìn)行二分類學(xué)習(xí)，常見的有對比損失函數(shù)，二分類損失函數(shù)；
• Triplet Loss：將 Re-ID 的訓(xùn)練當(dāng)成圖像檢索問題，同一個(gè)行人圖片的特征距離要小于不同行人的特征距離，以及其各種改進(jìn)；
• 訓(xùn)練策略的改進(jìn)：自適應(yīng)的采樣方式（樣本不均衡，難易程度）以及不同的權(quán)重分配策略

2.3 排序優(yōu)化

2.4 數(shù)據(jù)集和評價(jià)

• 多模態(tài)數(shù)據(jù)，所采集的數(shù)據(jù)不是單一的可見光模態(tài)；

• 端到端的行人檢索（End-to-end Person Search）,沒有預(yù)先檢測或跟蹤好的行人圖片/視頻；

• 無監(jiān)督和半監(jiān)督學(xué)習(xí)，標(biāo)注數(shù)據(jù)有限或者無標(biāo)注的新場景；

• 噪聲標(biāo)注的數(shù)據(jù)，即使有標(biāo)注，但是數(shù)據(jù)采集和標(biāo)注過程中存在噪聲或錯(cuò)誤；

• 一些其他 Open-set 場景，查詢行人找不到，群體重識(shí)別，動(dòng)態(tài)的多攝像頭網(wǎng)絡(luò)等。

3.1 多模態(tài)（異構(gòu)）數(shù)據(jù)

• 基于深度圖像 Re-ID：旨在利用深度圖信息的匹配（融合或跨模態(tài)匹配），在很多人機(jī)交互的室內(nèi)場景應(yīng)用中非常重要；
• 文本到圖像 Re-ID：旨在利用文字語言描述來搜索特定的行人圖像，解決實(shí)際場景中查詢行人圖像缺失等問題；
• 可見光到紅外 Re-ID：旨在跨模態(tài)匹配白天的可見光圖像到夜晚的紅外行人圖像，也有一些方法直接解決低照度的重識(shí)別任務(wù)；
• 跨分辨率 Re-ID：不同高低分辨率行人圖像匹配，旨在解決不同距離攝像頭下行人分辨率差異巨大等問題

總體而言，異構(gòu)的行人重識(shí)別問題需要解決的一大難題是不同模態(tài)數(shù)據(jù)之間的差異性問題

3.2 端到端Re-ID（End-to-end Person Search）

• 純圖像/視頻的 Re-ID；從原始 raw 圖像或者視頻中直接檢索出行人；
• 多攝像頭跟蹤的 Re-ID；跨攝像頭跟蹤，也是很多產(chǎn)業(yè)化應(yīng)用的重點(diǎn)。

3.3 半監(jiān)督和無監(jiān)督的 Re-ID

• 無監(jiān)督 Re-ID：主要包括一些跨攝像頭標(biāo)簽估計(jì)（聚類或圖匹配等）的方法，以及一些其他監(jiān)督信息挖掘的方法（如local patch相似性等）；
• 無監(jiān)督域自適應(yīng) Re-ID：包括一些目標(biāo)域圖像數(shù)據(jù)生成和一些目標(biāo)域監(jiān)督信息挖掘等方式。
  
  

如下表所示：

3.4 噪聲魯棒的Re-ID

• Partial Re-ID：解決行人圖像區(qū)域部分被遮擋的行人重識(shí)別問題；
• Noise Sample：主要針對行人圖像或視頻中檢測、跟蹤產(chǎn)生的錯(cuò)誤或偏差
• Noise Label：主要針對行人標(biāo)簽標(biāo)注產(chǎn)生的錯(cuò)誤

3.5 Open-set Re-ID and Beyond

展望

4.1 新的評價(jià)指標(biāo)mINP:

4.2 新的基準(zhǔn)方法AGW

• Non-local注意力機(jī)制的融合；

• Generalized-mean (GeM) Pooling的細(xì)粒度特征提取；

• 加權(quán)正則化的三元組損失（Weighted Regularization Triplet (WRT) loss）

在審稿人的建議下，我們在四種不同類型的任務(wù)（圖像Re-ID, 視頻Re-ID，跨模態(tài)紅外Re-ID和Partial Re-ID）的12個(gè)數(shù)據(jù)集上均對我們提出的新指標(biāo)mINP和AGW方法進(jìn)行了測評，在大多數(shù)情況下，我們的方法都能夠取得比較好的效果。具體的實(shí)驗(yàn)結(jié)果和分析可以參考我們的論文和補(bǔ)充材料，希望我們的方法和評價(jià)指標(biāo)能對大家有一些幫助。

4.3 對未來一些研究方向的思考

• 不可控的數(shù)據(jù)采集：不確定多種模態(tài)混合的 Re-ID，而不是固定的模態(tài)設(shè)置；換裝的 Re-ID，2020 年已經(jīng)有好幾個(gè)新的數(shù)據(jù)集；
• 減少人工標(biāo)注依賴：人機(jī)交互的主動(dòng)學(xué)習(xí)，選擇性的標(biāo)注；從虛擬數(shù)據(jù)進(jìn)行學(xué)習(xí)（Learning from virtual data），如何解決虛擬數(shù)據(jù)中的domain gap；
• 面向 Re-ID 通用網(wǎng)絡(luò)設(shè)計(jì)：Domain Generalized Re-ID，如何設(shè)計(jì)一種在未知場景中也表現(xiàn)優(yōu)異的模型，如何利用自動(dòng)化機(jī)器學(xué)習(xí)來設(shè)計(jì)針對 Re-ID 任務(wù)的網(wǎng)絡(luò)模型；
• 動(dòng)態(tài)的模型更新：如何以小的代價(jià)將學(xué)習(xí)好的網(wǎng)絡(luò)模型微調(diào)至新攝像頭場景中；如何高效的利用新采集的數(shù)據(jù)（Newly Arriving Data）來更新之前已訓(xùn)練好的模型；
• 高效的模型部署：輕量型快速的行人重識(shí)別算法設(shè)計(jì)，自適應(yīng)的針對不同類型的硬件配置（小型的移動(dòng)手機(jī)和大型服務(wù)器）調(diào)整模型。