论文笔记：Deeply-Learned Part-Aligned Representations for Person Re-Identification

论文笔记：Deeply-Learned Part-Aligned Representations for Person Re-Identification

简介

这是ICCV2017的一篇person Re-id的论文。论文提出了一种新的对其方法，以便在摄像机移动的场景下，更准确地匹配不同姿势、位置的person re-identification。不同于以往常用的空间分割方法，本文采用人类身体部分分割（human body part partition）。

方法

以往的align方法主要是通过空间位置进行对其，但是检测框是算法生成的而非人为标注的，并且人的姿势也会改变，通过这种方法进行对其往往有巨大的误差，如图所示：

首先用一个FCN提取整张图片的特征图，对于这个特征图，使用K个分支网络提取区域特征，最后将这K个分支拼接起来就是最终的hunman representation。

其中，Feature map是一个3维的特征图，用t(x,y,c)表示第c个（x,y）位置的响应；分支网络学习到的结果是一个2维的mask——$M_k$Mk​（类似于像素级别的注意力权重），m_k(x,y)表示（x，y）位置落在第k个区域的程度。将t和m点乘，并通过一个平均池化，就可以得到一个分支（区域）的特征向量。
$t_{k}(x,\ y,\ c)=t(x,\ y,\ c)\times m_{k}(x,\ y)$tk​(x, y, c)=t(x, y, c)×mk​(x, y)
${f}_{k}(c)=\mathrm{Average}_{x,y}[t_{k}(x,\ y,\ c)]$fk​(c)=Averagex,y​[tk​(x, y, c)]
计算得到的k个f通过线性降维再拼接，就可以得到整张图的特征向量。

如图表示了每个分支所提取的区域的可视化结果。由图可以看出基本上每个分支提取的都是人体相同的部分。