【论文笔记】Omni-Scale Feature Learning for Person Re-Identification

迈不过友情╰ 2022-01-18 21:29 177阅读 0赞

[https://github.com/KaiyangZhou/deep-person-reid][https_github.com_KaiyangZhou_deep-person-reid]

作为实例级识别问题，人员重新识别（ReID）依赖于判别特征，其不仅捕获不同的空间尺度而且还封装多个尺度的任意组合。我们将这些特征称为同构和异构尺度的全尺度特征。在这篇论文中，一部新颖的深刻CNN被设计为全称网络（Omni-Scale Network  OSNet），用于ReID中的全方位特征学习。这是通过设计由多个卷积特征流组成的残差块来实现的，每个卷积特征流检测特定尺度的特征。重要的是，引入了一种新颖的统一聚合门，以动态融合多尺度特征和输入相关的信道方向权重。为了有效地学习空间通道相关性并避免过度拟合，构建块使用逐点和深度卷积。通过逐层堆叠这些块，我们的OSNet非常轻量级，可以在现有的ReID基准测试中从头开始进行训练。尽管模型尺寸较小，但我们的OSNet在六个ReID数据集上实现了最先进的性能

挑战：1）相机视角的变化带来的行人变化

2）类间差异小 公共场合不同的人穿着类似的衣服

解决方法：学习判别特征

omni-scales 同构和异构尺度的全尺度特征

全局特征和局部特征同样重要

还需要一些独特的组合：比如白t恤+上面的logo

由跨越小（徽标大小）和中（上半身）大小的异构功能捕获，使功能最有效

现有的reid模型没有全尺度特征学习的，同构和异构

OSNet：学习全尺度特征表示

结构： 基础构建块由多个卷积特征流组成，具有不同的感知域（参见图2）。每个流关注的特征尺度由指数确定，指数是一个新的维度因子，它在流中线性增加以确保这一点在每个区块中捕获各种比例。

关键的是，得到的多尺度特征图通过由统一聚合门（AG）生成的信道方向权重动态融合。 AG是跨所有流共享参数的子网，具有用于有效模型训练的许多期望属性。利用可训练的AG，生成的通道方向权重变得依赖于输入，因此动态标度融合。这种新颖的AG设计为全方位特征学习提供了极大的灵活性：根据特定的输入图像，门可以通过为特定流/比例分配显性权重来集中在单个比例上;或者它可以挑选和混合，从而产生异构的特征尺度

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjczMTI0MQ_size_16_color_FFFFFF_t_70][]

设计了一个轻量级的网络:

带来的好处：中小型数据集（reid数据集一般都不大）不至于过拟合；大规模监控应用中reid在设备端提取特征

效果：比流行的基于ResNet50的模型小一个数量级，但却非常强大

在6个reid数据集上实现先进性能

OS 特征学习

在本节中，我们介绍了OSNet，它专门研究人ReID任务的全方位特征表示。 我们从分解卷积层开始，然后引入全尺寸残差块和统一聚合门

**分解卷积：**为了减少参数的数量，我们采用深度可分离的卷积，将标准卷积分成两个单独的层：逐点卷积和深度卷积。标准卷积由4D张量w 2 Rk×k×c×c0参数化，其中k是内核大小，c是输入通道的深度，c0是输出通道的深度。 为了学习输入张量x 2 Rh×w×c的空间通道相关性，其中h是高度，w是宽度，卷积运算可以表示为x0 =φ（w \* x），其中φ是非线性的 映射（ReLU）\*表示卷积。 为清楚起见，省略了偏差。图3（a）描绘了标准的实际实现3×3卷积层

![2019061110514932.png][]

设u 2 R1×1×c×c0是一个逐点卷积核，密集地连接到信道维，v 2 Rk×k×1×c0是深度卷积核，它将每个feature map的局部信息与感知域k聚合在一起。我们通过将w分解为v u来解开空间信道相关性的学习，导致x0 =φ（（v◦u）\* x），如图3（b）所示。 结果，计算成本从h·w·k2·c·c0减小到h·w·（k2 + c）·c0，以及参数的数量k2·c·c0至（k2 + c）·c0。 当我们分解3×3卷积时，我们将这些层称为Lite 3×3。请注意，我们的实现不同于原始的深度可分离卷积\[39\]，它在逐点卷积之前应用深度卷积。 根据经验，我们发现与原始版本（深度方向->逐点）相比，我们的设计（逐点->深度）对于全方位特征学习更有效。

**OS残差块**：

为了实现全方位表示学习，我们通过引入表示特征尺度的新维度指数t来扩展残差函数F. 对于F t，当t> 1时，我们堆叠t Lite 3×3层，这导致大小（2t + 1）×（2t + 1）的感受野。 然后，要学习的残差x~是直到T的表示的增量比例的总和

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjczMTI0MQ_size_16_color_FFFFFF_t_70 1][]

**统一聚合门****：**

每个流可以为我们提供特定比例的特征，即它们是规模均匀的。 为了学习全尺寸特征，我们提出以动态方式组合不同流的输出，即根据输入图像将不同的权重分配给不同的尺度，而不是在训练之后固定。 更具体地说，动态规模融合是通过新颖的方式实现的聚合门（AG），这是一个可学习的神经网络

值得指出的是，与使用提供粗尺度融合的单个标量输出函数相比，我们选择使用通道方向权重，即AG子网G（xt）的输出，αt 是第t个流的向量而不是标量。 这种设计可以产生更精细的融合，可以调整每个特征通道。 另外，通过调节来动态地计算权重输入数据。 这对于ReID作为测试图像至关重要包含与培训中不同身份的人;因此，更期望自适应/输入相关的特征尺度融合策略。

**网络结构：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjczMTI0MQ_size_16_color_FFFFFF_t_70 2][]

**结论**

我们介绍了OSNet，一种轻量级CNN架构，能够学习全方位的特征表示。 对六个ReID数据集进行的大量实验表明，尽管OSNet具有轻量级设计，但仍能实现最先进的性能。 我们还在单标签对象分类任务和多标签属性识别任务上评估了OSNet。 OSNet在这些任务上的卓越性能表明，OSNet对ReID之外的视觉识别问题具有广泛的兴趣。

[https_github.com_KaiyangZhou_deep-person-reid]: https://github.com/KaiyangZhou/deep-person-reid
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjczMTI0MQ_size_16_color_FFFFFF_t_70]: /images/20220119/d71f0b642d09411cbcaa4ce95a934796.png
[2019061110514932.png]: /images/20220119/1701debdc81a4f28b5639176b79beb88.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjczMTI0MQ_size_16_color_FFFFFF_t_70 1]: /images/20220119/b1b865fc40324ab3a33787547f1e9132.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjczMTI0MQ_size_16_color_FFFFFF_t_70 2]: /images/20220119/fb74955b4f1e404f97bfeffc93b30e27.png