论文阅读笔记（三十四）【CVPR2019】：Dissecting Person Re-identification from the Viewpoint of Viewpoint

Introduction

影响reid效果的众多因素包括：视角、姿态、遮挡、背景等。当前主要研究方向在于寻找更好的识别算法，但对于这些因素如何影响识别效果还没有足够的认知。本文主要关注的是视角如何影响识别效果。

本文的两大贡献：

① 设计了一个大尺度数据生成引擎PersonX，用户设计多样的行人数；

② 剖析了视角因素是如何影响行人重识别。

 

A Controllable Person Generation Engine

PersonX效果图：

 通过实验比较，该数据集与真实环境数据集有相近的训练效果。

 

Evaluation of Viewpoint

（1）视角分布对于训练模型的影响：

数据集构成：

每个ID由两组数据，以下为数据组构成： 

对照组1：每个ID随机选取一半视角（两组互相独立）；

对照组2：每个ID随机选取一半视角（两组视角相同）；

实验组：每个ID选取视角连续且相同。

图片来源：知乎行人重识别专栏——sxx的文章【传送门】

实验结果：

结果表明：单一视角的训练效果不如多视角；单一视角中侧边视角的效果优于前后视角。

 

（2）Query的视角对于检索结果的影响：

实验结果：query中采用左右视角能带来更高的准确率。

 

（3）Gallery的视角对于检索结果的影响：

实验分组：

实验组1：移除跟query视角相同的3张图片；

对照组1：随机移除3张图片；

实验组1：移除跟query视角相同的5张图片；

对照组1：随机移除5张图片；

实验组1：移除跟query视角相同的9张图片；

对照组1：随机移除9张图片；

实验结果：query和gallery视角不同会带来检索上的困难。