《Deep Group-shuffling Random Walk for Person Re-identification》
論文:https://arxiv.org/abs/1807.11178
GitHub:https://github.com/YantaoShen/kpm_rw_person_reid
CVPR2018:(DGRW)Deep Group-shuffling Random Walk for Person Re-identification
ECCV2018:(SGGNN)Person Re-identification with Deep Similarity-Guided Graph Neural Network
這兩篇是港中文商湯聯合實驗室的文章,都是講graph+person reid的。
這兩篇其實是做person verification的,很相似。思想是正常的訓練reid模型提取特徵,對一個batch內提取的特徵計算相似度,從而得到graph的信息,計算出相似梯度反向傳播時去更新W。文章將graph之間的關聯融合到模型的訓練中,graph由許多節點和邊構成,在reid中節點就是一個個的人的圖像,邊就是各圖像間的相似度。利用一個batch中的所有圖像在關係圖上的關聯,提供了更豐富的監督信號,雖然結果上提升不明顯,但思想上的創新性還是有的。對我個人的用處不是特別的大,就不細讀了。
這兩篇paper的解讀,這個帖子講得很不錯,強推:https://zhuanlan.zhihu.com/p/47162428
關於商湯這兩篇paper的區別:
DGRW
是用Random Walk的方式將G2G(gallery之間的關係)的相似度信息用來更新(probe和gallery之間的關係)P2G的相似度關係,在反向傳播時通過G2G這個很多相似度關聯的圖對原來的圖像模型提供更多的訓練。SGGNN
是用G2G的相似度關係對P2G的相似度特徵進行修正,從而得到更好的相似度特徵,並且也通過G2G之間的大量關聯提供了更多的監督信號。