论文阅读（七）Learning Visibility-aware Part-level Features for Partial Person Re-identification

1.要解决什么问题：识别数据集中，或者现实生活中拍摄的，目标行人残缺的情况，匹配会发生对不齐现象

2.用了什么解决方法：提出VPM网络，以自监督训练为主要方法，使得网络自发的更关注共存的区域，对于不可见区域在计算距离时产生作用小，可见区域起的作用大。同时自监督训练使用交叉熵损失训练网络进行区域分类，使用三元损失寻来你网络进行身份分类。最终消除局部区域错位匹配现象。

3.效果如何。达到目前最优水准 mAP 90.8，R1 93.0

4.还存在什么问题

5.可借鉴之处：区域定位生成的概率图的方法可以借鉴

Abstract

这篇文章考虑了行人再识别的局部区域Reid的问题，在partial re-ID情况下，图像也许只包含行人的部分外观。如果直接将部分行人图像与整体图像比较，那么空间错位会损害所学到的识别能力。于是，提出了一个Visibility-aware Part Model (VPM)，该模型可以通过监督学习来感知区域可见性，也就是说可以发现哪些人的图像是不完整的。VPM模型关注的是局部特征，当比较两个图片时，VPM会只关注他们都共同存在的区域，就不去比较被遮挡的部分了。VPM对Reid任务有两方面好处，（1）VPM学习局部细粒度特征。（2）VPM关注两张比较图片都存在的区域，抑制比较错位。

1. Introduction

Reid在实际应用中面临的一个主要问题是，行人可能部分被遮挡，或者一部分走出了视野，摄像机捕捉不到完整行人。使用不完整局部行人图像进行检索面临着两个问题：

（1）空间错位错位问题，如图1a所示。

（2）当比较两个完整度不同的行人image时，相对完整对应的多出部分变相的称为了噪声。当图像中人体比例不相同时也会出现这种情况。如图1b

所提出的VPM可以缓解上述两个问题，首先在行人图像上定义一些区域，如图1c所示，然后在训练时候，给定部分行人图像，VPM学着在卷积特征图上去定位所有预先定义的区域，在定位每个区域后，VPM感知哪些区域可见并学习区域特征。在测试过程中，假设两幅图像要进行比较，vpm首先计算它们共享区域之间的局部距离，然后得出总距离。

VPM效果好主要由于两方面因素，一方面学习了区域细粒度特征，VPM捕捉两张图片共同存在的区域消除了错位带来的噪声。

此外，VPM可以自我监督的来学习区域可见性感知（region visibility awareness），方法是从整体数据集中随机抽取部分行人图像，然后生成人体区域标签，由此产生自我监督。自我监督使VPM能够学习定位预先定义的区域。它也有助于VPM在特征学习过程中关注可见区域。

2. Related Works

作者发现，例如PCB这种基于分块的Reid方法，当遇到不完整行人时效果会有明显下降。这是由于若使用分块方法，必须保证两张图分块区域相互对应，这样导致对于错位更加敏感。不同于PCB与SPReID，在测试阶段，VPM首先计算彼此之间的区域距离，然后基于高可见置信度动态的将区域距离作为总体距离。

自我监督是这项工作中的主要工具，作者使用自我监督学习可见区域感知，不同于其他方法，VPM首先定义了一个在整体图像上的分割，然后给分割区域进行标注，（应该是网络识别过程中可以自动识别出该身体区域属于哪个标签，即哪部分）然后VPM就可以直接预测行人图像中的身体区域属于哪部分。

3. Proposed Method

3.1. Structure of VPM

VPM采用全卷积设计，VPM输入行人图像，输出区域特征和一系列区域可见性得分。

首先将完整的原图统一分割，然后将对应的图像的局部图resize到固定大小输入到VPM中，经过完整的Resnet50，得到三维特征图T(CHW)。T上的一个像素点视为C维特征向量g，接着跟着一个区域定位器和一个区域特征提取器，定位器用于发现T中不同的区域，提取器用于提取这些不同区域的特征。

区域定位器，使用1x1的全卷积结合softmax，将T中的特征向量g分类。通过分类获得3个概率图，图表示每一个g属于3个不同区域的概率。根据概率图，预测出可见区域得分(visibility score C)，计算方法为分别求g在3个概率图上的概率和，如过一个区域可见，那么对应的得分就会高，若不可见，得分接近于0。

特征提取器，通过加权为各个区域生成对应的特征，同时除以Ci作为维持区域尺寸的范数不变性。

3.2. Employing VPM

假设给定两个输入和，VPM使用上述公式抽取区域特征和区域可见得分{，}，{，}，使用欧式距离计算对应区域的距离，

计算全局距离通过如下公式：

可见区域的visibility score的分高，从而两张图片共享的区域得分高，由此最终的距离由共享区域把控。相反缺失的区域对距离计算的贡献就减少。

3.3. Training VPM

向量T使用端到端训练提取特征，该特征用于后来的区域定位与区域特征提取，同时训练还采用自我监督的方法。

将完整图片裁剪出的残缺图片上预先定义好的区域通过ROI映射，映射到特征向量T上，若分为三个区域（如图中所示）则标签就为1，2，3，这样就可以知道T中的g是属于哪个区域的。

自监督主要分三个方面：

1、自监督使用的对应区域所属的真实标签

2、使用交叉熵损失分类，使得VPM关注可见区域

3、使用三元损失，使VPM关注共享区域

还可以参考：http://www.sohu.com/a/320544964_500659