超越三元组损失：面向行人重识别的元原型 N 元组损失
计算机视觉与模式识别
2021-09-27 v2
摘要
行人重识别（ReID）旨在跨图像匹配感兴趣行人。在基于卷积神经网络（CNN）的方法中，损失设计对拉近同一身份特征、推远不同身份特征起着至关重要的作用。近年来，三元组损失取得优越性能并在 ReID 中占主导地位。然而，三元组损失在每次查询优化中仅考虑两个类别的三个实例（以锚样本为查询），实际上等价于二分类。目前缺乏能在每次查询优化中联合优化多类别多实例的行人 ReID 损失设计。本文引入一种多分类损失，即 N 元组损失，以在每次查询优化中联合考虑多个（N）实例。这事实上与 ReID 测试/推理过程更为契合，后者在多个实例间进行排序/比较。此外，为更高效的多分类，我们提出一种新的元原型 N 元组损失。由于引入了多分类，我们的模型在基准行人 ReID 数据集上取得了最先进的性能。
引用
@article{arxiv.2006.04991,
title = {Beyond Triplet Loss: Meta Prototypical N-tuple Loss for Person Re-identification},
author = {Zhizheng Zhang and Cuiling Lan and Wenjun Zeng and Zhibo Chen and Shih-Fu Chang},
journal= {arXiv preprint arXiv:2006.04991},
year = {2021}
}
备注
Accepted by IEEE Transactions on Multimedia