Deep transfer learning Person Re-id

arxiv 2016 by Mengyue Geng, Yaowei Wang, Tao Xiang, Yonghong Tian

Transfer Learning

旧数据训练得到的分类器，在新的数据上重新训练，从而在新数据上取得比较好的表现，新数据与旧数据有相似的地方，但具有不同的分布。

Fine tuning一般步骤

这是InceptionV4的图示

• 移除Softmax分类层

• 换成与目标数据集输出维数相同的Softmax层

• 冻结靠近输入的卷积层

• 以较高的学习率训练分类层

• 以很低的学习率微调剩下的卷积层

论文核心模型

几个创新点：

• 对于CNN输出的两张图的特征，使用了相同的dropout而非各自独立的随机dropout

• 使用了二分类加多分类两种loss，二分类用于判断两张图中的人是否相同，多分类用于描述两张图中各自的人物ID

• 分两阶段进行Fine tune，先微调多分类，再联合二分类和多分类进行微调，避免多分类网络不稳定对二分类的影响

Unsupervised Transfer Learning

Self-training

• 将图片均分为两组（论文中是按摄像头划分的）

• 将B组中的每张图片，与A组中CNN输出相似度最高的图片归为一类，从而构造出多分类标签

• 喂入CNN训练

• 迭代多次

Co-training

• 由于CNN输出的图片相似度不一定真的可靠，存在噪音，因此Self-training效果没有特别好

• 寻找一个互补的模型，将特征映射到另一个子空间中

• 将B组中的每张图片，与A组中子空间相似度最高的图片归为一类，构造多分类标签

• 喂入CNN训练

• 迭代多次

Co-Model

• CNN计算得到深度特征： $𝑦=\theta(𝑥)$

• Learn a subspace defined by a dictionary D and a new representation Z in the subspace.

• $(D^*, Z^*) = min_{D,Z} ||Y-DZ||_F^2 + \lambda\Omega(Z) s.t. ||d_i||_2^2 \leq 1$

• 其中$||Y-DZ||_F^2$是reconstruction error

• $\Omega(Z) = \sum_{i,j} W_{ij}||z_i - z_j||_2^2$

  • 当$y_i$和$y_j$是最近邻时，$W_{ij}$为1，否则为0

  • 从而最小化最近邻的representation z的差异

Trick Result

• Softmax loss VS Multi loss： 76.6% -> 83.7%（Market1501）

• 一致的Dropout VS 随机的Dropout： 80.8%-> 83.7% （Market1501）

• Two-stepped VS one-stepped: 47.6%->56.3%(VIPeR)

Supervised Transfer Learning Result

(表中都是top1准确率)

Unsupervised Transfer Learning Result

Compare with other unsupervised method

使用其他无监督方法进行实验对比

其中SubSpace为只使用Co-Model，不使用CNN模型，Self-training为只使用CNN模型，Transfer是两者结合的Co-training。

总体来说这种无监督的方法取得了比较好的效果，在小数据集上甚至超过了有监督的效果。

如果觉得我的文章对你有帮助，可以前往github点个star