论文笔记14 --（ReID）Spectral Feature Transformation for Person Re-identification

《Spectral Feature Transformation for Person Re-identification》
论文：https://arxiv.org/abs/1811.11405

---

这是图森2018年11月提交到arxiv上的一篇文章。

用ResNet提取2048-d feature，然后再对batch内所有image根据视觉相似性（visual similarity）建图（这里的图和商汤paper中的图是有点区别的），然后从graph cut的角度出发，对某个id，希望找到一种cut能将同id的样本分到相同的group，文中用谱聚类的思路解这个graph cut问题，对feature进行变换，使其包含group信息，然后将处理后的feature继续用于CNN网络做分类。

商汤的两篇（Graph+reid）更注重从similarity这个结果在BP中调整image的特征向量，更像是将reid作为一个verification问题在做，而图森这篇关注的是对feature的变换，就像文章名一样。

这是graph+reid系列的paper中，直接去优化feature而不是similarity的一篇，感觉这种方式更有reid的感觉。

---

Abstract

随着深度学习技术的兴起，person re-id在近几年里取得了快速发展。基于深度学习的方法专注于学习特征空间，其中样本根据其对应的id紧密地聚类。大多数现有的方法都依靠强大的CNN来单独转换样本。相反，我们建议在转换中考虑样本关系。为了实现这一目标，我们将谱聚类技术引入CNN。我们推出了一个新的模块，叫做谱特征变换，它无缝地集成到现有的CNN流程中，成本可以忽略不计。实验表明，该方法在四个公开数据集上，该方法由于先前的最先进方法。

Reference

https://zhuanlan.zhihu.com/p/51511683