简单有效的遮挡ReID解决方案(Simple Baseline for Occluded ReID)

Simple-Baseline-4-Occluded-ReID （基础方法，简单有效）： https:// github.com/wangguanan/l ight-reid/tree/master/examples/occluded_reid

High-Order-Information-Matters（扩展方法，点更高）: wangguanan/HOReID

Paper（论文）： CVPR 2020 Open Access Repository

作者主页： https:// wangguanan.github.io/

知乎惯例，先介绍一下背景。

本人在CVPR2020上发了一篇关于遮挡行人重识别（Occluded Re-ID）的文章，并起了一个霸气的名字，叫 High-Order Information Matters [1]，翻译成中文就是【高阶信息真管用】，简称简称 HONet。（此处感谢我的 co-authors 给我想出了这么优秀的名字。）

方法非常优雅，点刷的也非常高。对论文和代码感兴趣的同学欢迎移步paper 和 github 。论文和代码开源之后，受到了很多小伙伴的好评，在此感谢Re-ID社区伙伴们的支持与鼓励。

时光荏苒，转眼到了CVPR2021的投稿时间（估计现在已经快出reviews了），近两三个月突然突然收到了很多咨询我论文的邮件。邮件开头一顿赞赏，搞得我很是开心。阅读到邮件末尾，不约而同的都提到了一个问题：那就是能不能把【Baseline】的参数配置详细说明一下，如果能【顺便】把【源代码】给一下就更好了。

敏锐的我立即发现，原来大家是在刷点的路上遇到了困难。本着有求必应的原则，作为一个 Re-IDer，时隔一年，义无反顾的操起了上古代码进行整理，把这块代码开源了出来。在刷点的路上送大家一程。

背景： 什么是遮挡行人重识别（Occluded Re-ID）？非常好理解，就是一个人被遮挡了，你还要识别他是谁。那么 Occluded Re-ID 又有什么难点呢？如下所示，难点有二：

1. 噪声特征 ：遮挡会使得遮挡区域噪声被学习成行人特征，从而影响识别精度。比如如果两个人都被同一个物体遮挡（比如一辆小轿车），那么他们很容易被匹配到一起。
2. 对齐问题 ：遮挡/半身/outlier 会造成不对齐的问题，从而导致本来能算对的距离也是错误的。比如黑色的头部特征和橘黄色的衣服特征显然是不相似的，如果他们计算了特征，那么本来相同的人也会被误认为不同（距离太远了）。

图1 问题分析

实验性能： 好了，介绍完故事背景，我们正式上方法吧。话不多少，先看点到底有多高。

图2 实验结果

其中OONet是本文的方法（既然我CVPR的方法叫 High-Order，那这个方法就叫 One-Order吧，没办法就是这么随意），HONet是本人CVPR2020的工作。看起来点确实高， Occluded-ReID，Partial-ReID 和 Partial-iLIDs 基本碾压了所有2020年之前的工作。在Partial-ReID 和 Partial-iLIDs上，也勉强超过了我 HONet 的精度。真是狠起来连自己都打。

训练阶段： 报完了点，也来讲讲方法。整个方法非常简洁，一共包含3个部分：1个卷积骨架网络（CNN Backbone），和一个基于人体关键点的多头模块（SkeletonMultiHeads），以及目标函数（Objective Function）。

1. CNN Backbone ：把输入的图片（image）编码成特征图（feature map），这里采用了ResNet50或者ResNet50-ibna，当然也可以采用任意 CNN Backbone。为了提取高分辨率特征，我们把 layer4 最后一个卷积层的 stride=1。
2. SkeletonMultiHeads： 提取基于人体骨骼点模型（Skeleton Model）的局部特征向量（local features）以及全局特征。局部特征通过归一化的骨骼点热图（normalized skeleton heatmap）和均匀池化（average pooling）操作得到。比如，我们要得到头部特征，我们就使用来自第一步的 feature map 和 头部热图进行 pixel-wise 点积操作，然后在进行均匀池化操作，就可以得到头部的局部特征。
3. Objective Function包含3个 ：
   1. 基于全局+局部特征特分类损失。这里采用 cross-entropy-loss-with-label-smooth，平滑系数设置为 0.1。
   2. 度量损失这里只对全局特征（global feature）使用度量损失，损失函数为 triplet-loss-with-batch-hard [2]，margin 设置为 0.35。
   3. 对称损失。考虑到人体的对称性质，我们另人体对称区域骨骼点特征尽可能一致。比如，左右肩膀局部特征尽可能相似。

推理阶段： 我们把所有局部特征进行平均，并与全局特征串联（concat），最后得到一个4096维的特征。最后，使用这个4096维特整进行推理。

总结： 总的来说，我们提出的这个 方法简单 ，训练和推理阶段均 不会明显增加时间 ， 效果非常明显 。值得各位研究 occluded-reid 的小伙伴一试。

致谢 ：感谢陪我刷点的 co-author 们，杨硕、环宇、成哥等。

参考文献：

[1] Wang, Guan ’an, Shuo Yang, Huanyu Liu, Zhicheng Wang, Yang Yang, Shuliang Wang, Gang Yu, Erjin Zhou, and Jian Sun. 2020. “High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification.” In 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 6449–58.

[2] Hermans, Alexander, Lucas Beyer, and Bastian Leibe. 2017. “In Defense of the Triplet Loss for Person Re-Identification.” ArXiv Preprint ArXiv:1703.07737.

[3] Luo, Hao, Youzhi Gu, Xingyu Liao, Shenqi Lai, and Wei Jiang. 2019. “Bag of Tricks and a Strong Baseline for Deep Person Re-Identification.” In 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 0–0.