HBReID：面向重识别的更困难批次挖掘
计算机视觉与模式识别
2021-12-10 v1
摘要
三元组损失是重识别（ReID）任务中广泛采用的损失函数，它将最困难的正样本对拉近，并将最困难的负样本对推远。然而，所选样本并非全局最困难，而仅在一个小批次中最困难，这会影响性能。本报告提出了一种困难批次挖掘方法，旨在全局挖掘最困难样本，以使三元组更难。更具体地说，将最相似的类别选入同一个小批次，以便将相似类别推得更远。此外，还使用了一个由场景分类器和对抗损失组成的对抗性场景移除模块，以学习场景不变的特征表示。在MSMT17数据集上进行的实验证明了其有效性，我们的方法超越了所有先前的方法，并取得了最先进的结果。
引用
@article{arxiv.2112.04761,
title = {HBReID: Harder Batch for Re-identification},
author = {Wen Li and Furong Xu and Jianan Zhao and Ruobing Zheng and Cheng Zou and Meng Wang and Yuan Cheng},
journal= {arXiv preprint arXiv:2112.04761},
year = {2021}
}