论文阅读笔记（三十三）【CVPR 2019】：Joint Discriminative and Generative Learning for Person Re-identification

Introduction

（1）Motivation：

当前提出的GAN方法存在生成器和reid判别模型分离，reid模块直接用生成的图像进行训练，效果受到局限。

（2）Contribution：

作者提出了一个联合判别、生成学习的网络：DG-Net。该策略引入了生成模块，将每个行人图像编码到两个空间：样貌空间编码行人的外貌和其它相关的语义信息；结构空间编码行人的几何、位置结构等信息，如下表所示：

每个行人图像在保持样貌空间不变的情况下，结合其它行人的结构空间，生成其它姿态、背景的行人图像，如下图的行所示；与之相反，每个行人图像保持结构空间不变，结合其它行人的样貌特征，如下图的列所示。通过这种策略，生成了高质量的行人图像。

Method

（1）生成模块：

假设真实图像和标签为：和，其中 N 为图像的数量，，K为数据包含的行人ID数量。给定两个真实图像和，生成模块通过对换样貌编码和结构编码，生成另外两幅图像，包括样貌编码器和结构编码器，再通过解码器还原出生成的图像，判别器 D 用于判断图像是生成的还是真实的。当 i = j 时，生成器可以被视为自编码器，即。为了减少样貌编码对于提取结构编码的影响，在输入

之前对图片进行灰度化处理。

生成模块采用如下两种处理：

① Self-identity generation：

给出一张图片，生成模块首先学习如何重构自身图片，采用了像素损失：

将图片的结构放入同一个行人的图片上，损失函数为：

判别器的ID损失为：

② Cross-identity generation：

对于两个不同ID的图片，损失函数为：

生成图像的ID损失函数为：

引入生成对抗损失函数，使得生成的数据更符合真实数据分布：

（2）判别模块：

① 初级特征学习：

将原始数据训练的模型作为教师模型，其预测结果为，提供软标签。提出的优化模型作为学生模型预测的结果为。损失函数为：

其中 K 为ID的数量。

读到这段的时候我产生了一个困惑：A穿着B的衣服，Label算是A还是B呢？

我的理解是，这里采用了教师模型作为软标签，不再确切给出是A还是B，而是从样貌上直观评估像A的概率和像B的概率。

② 细粒度特征挖掘：

将穿着不同，但结构相同的图片作为同一类，从而提取更细粒度的特征。损失函数为：

（3）优化算法：

总损失函数：

Experiment

（1）实验设置：

① 数据集设置：Market-1501、DukeMTMC-reID、MSMT17；

② 实验细节：采用ResNet50作为骨干网络；初级特征和细粒度特征均为512维向量；编码器输出的编码为128*64*32，包含4个卷积层和4个残差块；解码器为4个残差块接4个卷积层；判别器采用多尺度PatchGAN，采用三种输入图像的尺寸：64*32，128*64，256*128；测试仅采用样貌编码器作为特征提取，得到两个512维的向量进行concat；

③ 参数设置：的训练参数：学习率 = 0.002，momentum = 0.9；的训练：优化器采用Adam，学习率 = 0.0001，。

（2）实验结果：

标签：编码,Discriminative,样貌,模块,生成,Joint,Learning,图像,行人
来源： https://www.cnblogs.com/orangecyh/p/12730684.html