论文笔记23 -- （ReID）Receptive Multi-granularity Representation for Person Re-Identification
《Receptive Multi-granularity Representation for Person Re-Identification 》
论文：点这里
Guanshuo Wang, Yufeng Yuan, Jiwei Li, Shiming Ge, Xi Zhou
作者单位：上海交大, 云从科技, 中科院
这是云从在全国人工智能大赛2019行人重识别赛道冠军方案中所用的方法，在Market-1501上可达到90%的mAP和96.2%的Rank-1，已收录于TIP 2020。
等这么久100万大奖得主终于露面了，不过只有这篇paper，针对比赛的详细解决方案还是没有公开，应该也不会公开了吧，当然代码就更没有了。。。
Abstract
行人重识别的关键是获得一致的局部细节，以便在可变环境中进行区分性表示。当前的基于stripe的特征学习方法已经提供了令人印象深刻的准确性，但是并没有在多样性、局部性和鲁棒性之间做出适当的权衡，这很容易遭受部分语义不一致的僵化分区和未对齐之间的冲突的困扰。本文提出了一种receptive multi-granularity learning（RMGL）方法，以促进基于stripe的特征学习。该方法在中间表示上执行局部划分以操作感受野范围，而不是在输入图像或输出特征上执行当前方法，因此可以在保持适当的局部关联的同时增强位置表示。为此，通过对均匀stripe使用显著性平衡的**来自适应地合并局部分区。进一步引入随机移位增强是为了使bounding boxes内的人出现区域具有更高的方差，以缓解未对齐。通过两分支网络体系结构，可以学习不同规模的识别身份表示。这样，模型可以提供更全面，更有效的特征表示，而无需增加模型存储成本。