超越三元组损失：基于细粒度差异感知成对损失的人物重识别
计算机视觉与模式识别
2020-09-23 v1 信息检索
摘要
行人重识别（ReID）旨在跨多摄像头从不同视角对行人进行再识别。捕捉细粒度外观差异往往是精确行人重识别的关键，因为许多身份只有通过观察这些细粒度差异才能区分。然而，大多数最先进（SOTA）的行人ReID方法通常由三元组损失驱动，未能有效学习细粒度特征，因为它们更关注区分大外观差异。为解决此问题，我们引入一种新颖的成对损失函数，使ReID模型能够通过自适应地对小差异图像施加指数惩罚、对大差异图像施加有界惩罚来学习细粒度特征。所提损失具有通用性，可作为插件替代三元组损失以显著增强不同类型的最先进方法。在四个基准数据集上的实验结果表明，所提损失大幅优于多种流行损失函数；并且它还显著提升了数据效率。
引用
@article{arxiv.2009.10295,
title = {Beyond Triplet Loss: Person Re-identification with Fine-grained Difference-aware Pairwise Loss},
author = {Cheng Yan and Guansong Pang and Xiao Bai and Jun Zhou and Lin Gu},
journal= {arXiv preprint arXiv:2009.10295},
year = {2020}
}