許茹玉，吳 琳，粟興旺，黃金玻，王曉明

西華大學(xué) 計算機與軟件工程學(xué)院，成都 610039

行人重識別（person re-identification）是計算機視覺方向用來判斷一組由多個攝像機拍攝的圖像或視頻序列中是否存在某特定行人的檢索技術(shù)[1]。近年來隨著深度學(xué)習(xí)的快速發(fā)展，行人重識別方法在卷積神經(jīng)網(wǎng)絡(luò)中得到了廣泛應(yīng)用，并在智慧城市、人機交互、虛擬現(xiàn)實、監(jiān)控安防等現(xiàn)實背景下加以使用，給人類生活帶來了便利。但攝像機位于不同角度拍攝圖片、拍攝時行人的姿態(tài)不同、不同攝像機所拍攝圖像的尺寸及分辨率不同、行人圖片里的遮擋問題、拍攝時的光線問題、跨模態(tài)的異構(gòu)數(shù)據(jù)問題，這些困難使得行人重識別成為了具有巨大挑戰(zhàn)的研究課題[2]。

傳統(tǒng)的行人重識別技術(shù)都在探究手工生成的低級視覺圖像特征以及如何更好地表示特征與特征間的相似性度量計算方法[3-6]。而在深度學(xué)習(xí)出現(xiàn)后，利用深度神經(jīng)網(wǎng)絡(luò)的模型在行人重識別領(lǐng)域開始廣泛應(yīng)用[7-9]。深度學(xué)習(xí)與傳統(tǒng)的手工設(shè)計方法完全不同，基于深度學(xué)習(xí)的行人重識別方法可以通過神經(jīng)網(wǎng)絡(luò)模型自動地提取行人圖片的特征，并通過損失函數(shù)學(xué)習(xí)到不錯的相似性度量結(jié)果，即將提取行人特征與度量學(xué)習(xí)的相似性對比融合在一個模塊。

早期將深度學(xué)習(xí)引入行人重識別領(lǐng)域時，全局特征作為首要選擇。Wang等人[10]使用卷積神經(jīng)網(wǎng)絡(luò)將一張圖片直接輸入卷積網(wǎng)絡(luò)提取特征，該方式無法關(guān)注到行人的顯著特征，因此性能提升并不高。隨后，為提高算法的魯棒性能，Zhang等人[11]則從全局模塊出發(fā)，設(shè)計了全局注意力模塊（RGA），該模塊既包含了局部特征，又包含了全局特征間的關(guān)系特征，使網(wǎng)絡(luò)可以提取更具區(qū)分度的特征，但該方法造成了計算量的驟增。Sun 等[12]將圖片輸入骨干網(wǎng)絡(luò)resnet50 后，將特征圖水平且均勻的分割成6 部分，使用注意力機制RPP（refined part pooling）進(jìn)行分塊后的語義信息校準(zhǔn)。但由于沒有考慮相鄰塊間的聯(lián)系，易丟失判別性信息。這種使用切片特征的方法具有很高的靈活性。但是遇到背景噪聲過大、遮擋現(xiàn)象嚴(yán)重的問題時會相對敏感。Zhao 等人[13]首次考慮人體結(jié)構(gòu)信息，提出幫助對齊局部信息的主軸網(wǎng)絡(luò)（spindle net）。Wang 等[14]則引入姿態(tài)估計來解決圖片中物體遮擋問題，聚焦未遮擋區(qū)域。但引入人體結(jié)構(gòu)信息的姿態(tài)估計方法需要額外的姿態(tài)估計模型進(jìn)行輔助，同時會產(chǎn)生大量噪聲。Wang等人[15]提出了多粒度網(wǎng)絡(luò)（mutiple granularity network，MGN），使用了一種將全局信息與細(xì)粒度局部信息結(jié)合的端到端的特征學(xué)習(xí)策略，但該模型的泛化能力不足，只在部分?jǐn)?shù)據(jù)集上表現(xiàn)較好。隨后，Park等人[16]提出了一種新的關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)（relation network for person re-identification，RRⅠD）。該關(guān)系網(wǎng)絡(luò)利用身體單個部位與其他剩余部位之間的關(guān)系進(jìn)行特征表示，雖然提高了區(qū)分性，但難以挖掘更多關(guān)于特征的細(xì)節(jié)信息。

基于上述問題，本文提出一種端到端的多分支深度網(wǎng)絡(luò)模型DFFRRⅠD，用來解決特征提取過程中細(xì)節(jié)信息挖掘不充分造成的識別精度低的問題。該方法從全局特征與局部特征的角度共同出發(fā)，設(shè)計了一種涵蓋多重粒度的關(guān)系網(wǎng)絡(luò)，充分挖掘全局特征、局部特征以及局部特征間的關(guān)聯(lián)性特征，使得提取的特征更具全面性。該模型包含了三個分支：第一個分支提取粗糙的全局特征；第二個分支采用水平切塊的方式，提取細(xì)粒度特征信息；第三個分支則考慮人體各個部位與其他部位的關(guān)系，使提取的特征更具區(qū)分性。三個分支協(xié)作，豐富特征圖信息，便于選擇更具判別性的身體特征，從而提高網(wǎng)絡(luò)模型的識別精度以及泛化能力。

1 基本原理

1.1 本文方法

多粒度網(wǎng)絡(luò)MGN 使用了全局與局部特征相結(jié)合的特征提取策略，設(shè)計了一個全局分支，兩個局部分支，通過將特征圖按照不同尺度劃分為一塊、兩塊和三塊，在三個分支中獲得不同粒度的特征信息，利用等分后的局部特征進(jìn)行獨立學(xué)習(xí)，得到了較好的效果，但沒有考慮局部信息間的關(guān)聯(lián)性。RRⅠD 網(wǎng)絡(luò)中的關(guān)系模型（one-vs.rest）則考慮了人體局部與剩余局部的關(guān)系，但局部特征的信息沒有充分利用，難以挖掘更多的顯著性細(xì)節(jié)信息。

本文借鑒了MGN與RRⅠD中關(guān)系模型（one-vs.rest）的思想，設(shè)計了多樣化細(xì)粒度特征與關(guān)系網(wǎng)絡(luò)的深度網(wǎng)絡(luò)結(jié)構(gòu)（DFFRRⅠD）?？傮w結(jié)構(gòu)設(shè)計如圖1 所示。首先將行人圖片通過backbone網(wǎng)絡(luò)提取出大小為H×W×C的特征圖，其中H、W、C分別代表高度、寬度和通道數(shù)。生成的特征圖被水平等分成6塊，隨后經(jīng)過全局特征分支和局部特征分支進(jìn)一步處理特征。設(shè)計全局特征分支的目的是提取粗略的特征，以捕捉不同行人之間最明顯的差異去代表某個特定行人，例如衣服的顏色、紋理特征以及包含語義信息的形狀特征等。但提取的全局特征沒有位置信息，無法分辨出前景與背景，會受到背景噪聲的干擾，因此設(shè)計了兩個局部特征分支。在第一個局部分支中，水平分塊的局部特征圖里每一部分只包含這一部分的局部信息，并不會受到其他局部信息的干擾。這樣就可以使局部特征集中于關(guān)注本塊內(nèi)部的信息，當(dāng)遇到遮擋問題時，一些局部特征也穩(wěn)定存在，從而使特征信息仍具有區(qū)分性。另外的局部特征分支則考慮身體局部與其他部位之間的關(guān)系，結(jié)合了局部與其他剩余局部的特征。其作為第一個局部分支的補充，防止由于相應(yīng)部分具有相似的行人特征屬性，混淆了不同行人，影響網(wǎng)絡(luò)的判別能力。在測試階段把沿著通道維度連接的全局與局部特征作為行人特征的最終表示。結(jié)合了局部特征和全局特征的信息經(jīng)過不斷地學(xué)習(xí)，可以完善特征的全面性。本文使用交叉熵?fù)p失、標(biāo)簽平滑交叉熵?fù)p失和難樣本三元組損失對設(shè)計的模型進(jìn)行端到端的訓(xùn)練，實現(xiàn)網(wǎng)絡(luò)模型的優(yōu)化。

圖1 原始模型與本文所設(shè)計的網(wǎng)絡(luò)對比框圖Fig.1 Block diagram of original model compared to network designed in this paper

1.2 算法結(jié)構(gòu)

本文使用經(jīng)過ⅠmageNet[17]分類訓(xùn)練的ResNet-50[18]作為主干網(wǎng)絡(luò)，并移除ResNet-50 網(wǎng)絡(luò)最后的全連接層。將輸入的原始行人圖片經(jīng)過該網(wǎng)絡(luò)，提取初始特征圖。DFFRRⅠD網(wǎng)絡(luò)總體框圖如圖2所示。

圖2 本文所設(shè)計的網(wǎng)絡(luò)總體框圖Fig.2 Overall block diagram of network designed in this paper

1.2.1 全局模塊

全局模塊學(xué)習(xí)行人特征的整體屬性，不需要任何分塊信息。通過主干網(wǎng)絡(luò)提取最初的全局特征，此時的特征維度為2 048 維，再經(jīng)過一個卷積層將特征圖降維至256 維，并利用后接的非線性激活函數(shù)ReLU 增加非線性特性。使用1×1卷積核[19]降維，可以使網(wǎng)絡(luò)結(jié)構(gòu)更加緊湊，同時又可以減少參數(shù)量，增強跨通道之間的交互性。使用全局最大池化的方法將降維至256 的特征圖進(jìn)一步處理得到1×1×c的特征q0。

1.2.2 多樣化細(xì)粒度特征提取模塊

多樣化細(xì)粒度局部模塊中初始特征具體劃分為2塊、4 塊和6 塊，并獨立學(xué)習(xí)局部特征。具體劃分如圖3所示，不同數(shù)量的分區(qū)帶來了不同的內(nèi)容粒度。將左列中原始的行人圖片視為最粗粒度級別，從左向右依次為原始圖片分成2塊、4塊和6塊的行人分區(qū)。圖像水平分割的塊數(shù)越多，分割得到的粒度就越細(xì)。劃分后的每個區(qū)域僅包括整個身體的局部信息，過濾了其他不相關(guān)塊中信息的干擾。在全局特征學(xué)習(xí)中由于特征圖位置信息被忽略所導(dǎo)致的類間相似性難以適應(yīng)及類內(nèi)差異較大的問題由細(xì)粒度局部模塊來解決。通過不同粒度特征在有限信息內(nèi)的學(xué)習(xí)，具有最顯著性的細(xì)節(jié)就會被挖掘出來。

圖3 身體劃分由粗到細(xì)的粒度Fig.3 Body divided into coarse to fine particle sizes

由于將特征圖分塊后，進(jìn)行后續(xù)處理的操作是一致的，因此只介紹將原始特征圖分為6塊后得到的細(xì)粒度特征提取操作。將原始圖像經(jīng)過主干網(wǎng)絡(luò)提取的初始特征水平劃分為6個區(qū)域，每個區(qū)域的通道維數(shù)為2 048維。每個局部分區(qū)都使用全局最大池化的方式進(jìn)行處理，并使用一個帶有批量歸一化和ReLU 的1×1 卷積層將2 048 維特征降維，減少至256 維，得到大小為1×1×256的特征qi(i=1,2,…,6) 。

需要注意的是：該模塊的所有局部特征只進(jìn)行分類學(xué)習(xí)，不進(jìn)行度量學(xué)習(xí)。這是因為理論上將圖片分為上下兩塊后，上半部分是行人上半身，下半部分是行人下半身。但在實際圖片中，有可能行人位于下半部分，上半部分都是背景信息。假設(shè)將背景信息進(jìn)行度量學(xué)習(xí)，就會產(chǎn)生無實際意義的數(shù)據(jù)污點，污點數(shù)據(jù)學(xué)習(xí)到錯誤信息會導(dǎo)致模型崩潰，引起預(yù)測錯誤。因此，本模塊僅使用交叉熵?fù)p失和標(biāo)簽平滑交叉熵?fù)p失進(jìn)行分類學(xué)習(xí)。

1.2.3 局部與剩余局部關(guān)系模塊

由于多樣化細(xì)粒度特征提取模塊中各個部分都是孤立的，沒有考慮身體局部與其他部分之間的關(guān)系，這干擾了不是同一行人但擁有相似性局部特征的相似性計算，造成預(yù)測錯誤。因此將局部與剩余局部關(guān)系模塊作為細(xì)粒度特征提取模塊的重要補充。通過結(jié)合局部特征與剩余局部特征的信息，保持特征間的緊湊性，增強對遮擋問題的區(qū)分性及魯棒性，從而提高網(wǎng)絡(luò)學(xué)習(xí)的判別能力。經(jīng)過主干網(wǎng)絡(luò)的行人圖片同樣被劃分為6塊、4 塊和2 塊，經(jīng)過全局最大池化后，每一個局部特征都處理為1×1×2 048大小的特征圖，由于后續(xù)操作相同，因此本節(jié)只介紹特征圖被劃分為6 個局部區(qū)域的特征提取方法。

具體操作如圖4 所示。one-vs.rest[16]使用大小為1×1×2 048 的pi(i=1,2,…,6) 表示局部特征，本文則選取pi,i+1，即pi與pi+1之和，作為本模塊使用的局部特征。增大局部特征區(qū)域，縮小剩余部分特征區(qū)域，可以更好地表示局部與剩余局部間的關(guān)系。本文2.4.1小節(jié)對one-vs.rest模塊與本文改進(jìn)后的局部與剩余部分模塊two-vs.rest進(jìn)行了對比實驗，以證明改進(jìn)的有效性。

圖4 身體局部與剩余部分關(guān)系網(wǎng)絡(luò)改進(jìn)后的結(jié)構(gòu)圖Fig.4 Structure diagram of network of relationships between parts of body and rest of body

對于選定的某個局部特征pi,i+1，經(jīng)過1×1卷積層、批量歸一化和ReLU進(jìn)行降維與非線性激活，將通道維度降至256維，得到大小為1×1×256的局部特征。剩余部分特征pj使用平均池化的方法得到大小為1×1×256的特征ri，具體公式可以表示為：

利用公式（1）得到的排除某一局部特征后剩余部分特征ri，經(jīng)過1×1卷積層后得到1×1×256大小的特征。特征與特征rˉi進(jìn)行拼接，由此得到身體局部與剩余局部間的關(guān)系。拼接后得到的維度是直接相加的，特征變?yōu)?12 維。之后再使用1×1 卷積層將特征大小變換為1×1×256。通道降維至256維的目的是將含有局部與剩余局部關(guān)系信息的特征與局部特征進(jìn)行殘差連接，將二者之間的關(guān)系信息轉(zhuǎn)移至si，其過程可以表示為：

式中，Rp為由1×1 卷積、批量歸一化以及激活函數(shù)ReLU所組成的子網(wǎng)絡(luò)；T表示特征間的串聯(lián)。

引入殘差連接的作用是在訓(xùn)練中復(fù)雜的關(guān)系特征學(xué)習(xí)效果不好的情況下，局部特征仍然可以不受特征干擾不斷學(xué)習(xí)，增強對遮擋問題的區(qū)分性及魯棒性，且保持了特征間的緊湊性。本文考慮了當(dāng)特征被切分為兩塊時，不能使用相加操作處理pi與pi+1，因此選取pi(i=1) 作為局部特征，pi+1作為剩余部分特征。特征進(jìn)行水平分割后，選取局部特征與剩余局部特征的方法如圖5 所示，特征圖劃分為幾塊，則有幾種選取方式。

圖5 局部特征與剩余部分特征選取圖Fig.5 Diagram of local and residual feature selection

1.3 損失函數(shù)

本文網(wǎng)絡(luò)利用行人圖像的真實標(biāo)簽進(jìn)行有監(jiān)督的表征學(xué)習(xí)。使用交叉熵?fù)p失、標(biāo)簽平滑交叉熵?fù)p失與難樣本三元組損失來訓(xùn)練網(wǎng)絡(luò)模型，并引入?yún)?shù)λ對這三個損失進(jìn)行平衡。具體公式表示為：

式中，Lce表示交叉熵?fù)p失；Llsce表示標(biāo)簽平滑交叉熵?fù)p失；Ltriplet表示三元組損失。

交叉熵?fù)p失函數(shù)可以解決多分類問題，是深度學(xué)習(xí)領(lǐng)域廣泛應(yīng)用的損失函數(shù)。該損失函數(shù)采用了類間競爭機制，更加關(guān)心正確標(biāo)簽預(yù)測結(jié)果的準(zhǔn)確性。因此擅長學(xué)習(xí)類間的信息，忽略了對錯誤標(biāo)簽的損失計算，引起預(yù)測錯誤率增加。但交叉熵?fù)p失使用硬標(biāo)簽作為優(yōu)化目標(biāo)，不易造成信息損失。

標(biāo)簽平滑交叉熵?fù)p失函數(shù)[20]利用正則化技術(shù)將硬標(biāo)簽轉(zhuǎn)化為軟標(biāo)簽對圖像進(jìn)行分類。采用軟標(biāo)簽分類可以使同一類聚集得更緊湊，降低模型預(yù)測的確定性，防止模型過擬合。但在一定程度上會損失信息，抹去一些關(guān)鍵的區(qū)分信息?？紤]到這個問題，本文采用交叉熵?fù)p失與標(biāo)簽平滑交叉熵?fù)p失相結(jié)合的方式進(jìn)行分類計算。一定程度上減少了信息損失，又可以預(yù)防模型過度自信，從而更好地優(yōu)化網(wǎng)絡(luò)。

交叉熵?fù)p失函數(shù)與標(biāo)簽平滑交叉熵?fù)p失函數(shù)被定義為：

式中，N表示訓(xùn)練過程中梯度下降的小批量樣本數(shù)；K表示數(shù)據(jù)集中行人圖片的標(biāo)簽數(shù)量；ε表示平滑因子；yn表示行人圖像的真實標(biāo)簽樣本數(shù)；表示每個特征qi和si預(yù)測的標(biāo)簽。具體被定義為：

式中，Wk i表示全連接層中標(biāo)簽為k的第i個行人類別的權(quán)重向量；qi表示使用網(wǎng)絡(luò)模型最終提取的行人特征。

三元組損失函數(shù)[21]是在深度學(xué)習(xí)中廣泛使用的度量計算函數(shù)。其原理是縮小正樣本對間的距離，增大負(fù)樣本對間的距離，使得同類樣本在特征空間聚集。但只能對簡單的樣本進(jìn)行區(qū)分，并不利于網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)。

所以本文使用改進(jìn)后的難樣本三元組損失函數(shù)[22]進(jìn)行度量學(xué)習(xí)。改進(jìn)后的損失函數(shù)在每一個訓(xùn)練批次都選擇距離最遠(yuǎn)的正樣本圖片和距離最近的負(fù)樣本圖片訓(xùn)練網(wǎng)絡(luò)模型，使網(wǎng)絡(luò)通過學(xué)習(xí)得到更佳的特征表示，增強網(wǎng)絡(luò)模型的泛化能力。具體的公式被定義為：

式中，NK表示一個批量里選取的行人數(shù)量；NM表示一個批量里對每個行人所選取的圖片數(shù)量；N=NK NM，表示一個批量的大?。沪帘硎具吘墔?shù)，用于控制特征空間里正負(fù)樣本對的距離，使用歐氏距離計算；qiA,j表示錨定圖片（anchor）的特征；qiP,j表示正樣本圖片的特征；qiN,j表示負(fù)樣本圖片的特征。

2 實驗結(jié)果與分析

2.1 數(shù)據(jù)集

本文使用行人重識別領(lǐng)域公開的CUHK03[23]、Market1501[24]、DukeMTMC-ReⅠD[25]這三個大型數(shù)據(jù)集進(jìn)行充分的實驗，以證明本文提出的DFFRRⅠD 模型的有效性。三個數(shù)據(jù)集的屬性信息如表1所示。

表1 數(shù)據(jù)集基本屬性信息Table 1 Dataset basic property information

CUHK03 數(shù)據(jù)集提供了由5 對攝像機采集的1 467個行人，共含有14 097 張圖片。通過手工裁剪和DPM（deformable part model）自動檢測這兩種方法框出行人。將其分成兩部分，一部分用于訓(xùn)練，包含767 個行人，共7 365張圖片，另一部分用于測試和查詢，含有767個行人，共6 732張圖片。

Market1501數(shù)據(jù)集使用5個高清攝像頭和1個低清攝像頭，共6 個攝像機所捕獲的包含1 501 個行人的共32 668 張圖像。使用相同的方法從拍攝圖像中切割出行人。數(shù)據(jù)集中的751個行人，共12 936張圖片用于訓(xùn)練，另外的750 個行人，其中3 368 張圖片用于查詢，19 732張圖片則用來測試。

DukeMTMC-ReⅠD數(shù)據(jù)集包含了由8個攝像機拍攝的1 401 個行人，共36 411 張行人圖片。其中702 個行人，共16 522 張圖片用于訓(xùn)練，剩余702 個行人圖片中有2 228張用于查詢，17 661張圖片用于測試。

2.2 實驗環(huán)境與設(shè)置

本文的算法在深度學(xué)習(xí)框架pytorch上進(jìn)行訓(xùn)練及測試，以證實訓(xùn)練好的網(wǎng)絡(luò)模型可以提高行人分類的準(zhǔn)確性。其實驗環(huán)境如表2所示。

表2 實驗環(huán)境基本信息Table 2 Basic information about experimental environment

使用MSRA[26]方法進(jìn)行網(wǎng)絡(luò)權(quán)重的初始化。將數(shù)據(jù)集的所有圖片裁剪為384×128。本文使用水平翻轉(zhuǎn)和隨機擦除的方法對數(shù)據(jù)集進(jìn)行擴充。實驗使用動量為0.9 的隨機梯度下降法（SGD）作為優(yōu)化器，權(quán)重衰減系數(shù)設(shè)定為0.000 5進(jìn)行模型的優(yōu)化。在訓(xùn)練集里隨機選擇16 個行人，每個行人選擇4 張圖片作為小批量樣本，batchsize 的大小設(shè)定為64。主干網(wǎng)絡(luò)resnet50 的初始學(xué)習(xí)率設(shè)置為1×10-3，其他模塊的初始學(xué)習(xí)率設(shè)置為1×10-2。模型需要80個epochs進(jìn)行訓(xùn)練，從第40個epochs，每20 個epochs 學(xué)習(xí)率衰減10 倍。在所有實驗中，權(quán)重參數(shù)λ采用經(jīng)驗值的方式固定設(shè)置為2。

2.3 實驗評價標(biāo)準(zhǔn)

本文模型使用rank-n和mAP 評估方法的性能。rank-n表示搜索結(jié)果中置信度最高的前n張圖片，計算n張圖片中含有正確結(jié)果的概率，反映出檢索的精度。mAP 表示平均精度的均值，計算的是測試集提取樣本中正確結(jié)果的概率，反映出檢索的平均正確率。

2.4 實驗仿真與結(jié)果分析

2.4.1 模型有效性驗證

為了驗證本文所設(shè)計算法的有效性，使用Market1501和DukeMTMC-ReⅠD這兩個數(shù)據(jù)集，將改進(jìn)的關(guān)系模塊與RRⅠD 的one-vs.rest 模塊進(jìn)行比較，同時將設(shè)計的三個模塊進(jìn)行組合實驗。Ⅰ表示本文設(shè)計的全局模塊，Ⅱ表示本文設(shè)計的多樣化細(xì)粒度特征提取模塊，Ⅲ表示RRⅠD的one-vs.rest模塊，Ⅳ表示本文對one-vs.rest改進(jìn)后的two-vs.rest關(guān)系模塊。

表3 展示了原本關(guān)系模塊與改進(jìn)后關(guān)系模塊的復(fù)雜度計算量。由表3可知：與原本的關(guān)系模塊相比，twovs.rest 在Market1501 數(shù)據(jù)集上，mAP 提高了0.3 個百分點，rank-1 提高了0.3 個百分點，rank-5 精度則持平。使用DukeMTMC-ReⅠD數(shù)據(jù)集進(jìn)行實驗，mAP較原本模塊提高了0.2個百分點，rank-1與rank-5分別提高了-0.2個百分點、0.2個百分點。表3中的實驗數(shù)據(jù)表明本文基于one-vs.rest 關(guān)系模塊所改進(jìn)的two-vs.rest 關(guān)系模塊所包含的關(guān)系信息更具有區(qū)分性，證明了改進(jìn)的有效性。

表3 one-vs.rest與two-vs.rest的對比結(jié)果Table 3 Comparison results of one-vs.rest and two-vs.rest 單位：%

表4展示了本文設(shè)計的三個模塊相互組合后，所需要的參數(shù)量及浮點計算量。由表4可知：只使用關(guān)系模型two-vs.rest 的單分支網(wǎng)絡(luò)模型所得到的實驗數(shù)據(jù)精度是最低的；使用關(guān)系網(wǎng)絡(luò)two-vs.rest與其他兩個模塊相結(jié)合的雙分支網(wǎng)絡(luò)模型比原有的單分支網(wǎng)絡(luò)模型所得到的實驗數(shù)據(jù)精度高一些；將三個模塊相組合的三分支網(wǎng)絡(luò)模型所得的數(shù)據(jù)精度又優(yōu)于單分支網(wǎng)絡(luò)模型和雙分支網(wǎng)絡(luò)結(jié)構(gòu)模型。這說明三個模塊可以相互補充，使模型提取到顯著性更強的細(xì)節(jié)信息，從而使三個模塊相組合構(gòu)成的網(wǎng)絡(luò)模型得到的各項數(shù)據(jù)精度達(dá)到了最高。

表4 四種網(wǎng)絡(luò)結(jié)構(gòu)的對比結(jié)果Table 4 Comparison results of four network structures 單位：%

2.4.2 損失有效性驗證

為了驗證本文使用交叉熵?fù)p失與標(biāo)簽平滑損失共同進(jìn)行分類比單獨使用一個損失分類的效果更佳。在Market1501 數(shù)據(jù)集上將設(shè)計好的網(wǎng)絡(luò)模型使用單個或組合的交叉熵?fù)p失進(jìn)行了對比實驗。Cross-entroy表示交叉熵?fù)p失。LabelSmooth 表示標(biāo)簽平滑交叉熵?fù)p失，Cross-entroy+LabelSmooth 表示交叉熵?fù)p失與標(biāo)簽平滑交叉熵?fù)p失相加的損失。具體實驗結(jié)果如圖6所示。

圖6 損失函數(shù)的對比結(jié)果Fig.6 Comparison results of loss functions

針對分類損失的實驗結(jié)果，印證了本文的猜想：交叉熵?fù)p失會降低模型預(yù)測準(zhǔn)確率，但一定程度保持了信息的完整性；標(biāo)簽平滑交叉熵?fù)p失會提高模型預(yù)測精度，但造成了信息損失。因此將二者聯(lián)合作為本文的分類損失，模型的預(yù)測精度會進(jìn)一步提高。

2.4.3 與其他先進(jìn)算法對比

本文所提方法DFFRRⅠD與部分先進(jìn)的行人重識別方法進(jìn)行了比較。首先選取部分主流算法與本文方法在參數(shù)規(guī)模與復(fù)雜度方面進(jìn)行了對比，選取的部分主流算法包含了SNR、PCB、MGN、RRⅠD、Triplet、SVDNet、BigTricks、AlignedReid、HPM。具體對比結(jié)果如圖7 所示，本文算法相較于RRⅠD，參數(shù)量減少了2.96，復(fù)雜度則持平，而MGN的參數(shù)規(guī)模與復(fù)雜度都是極高的。

圖7 本文算法與主流算法復(fù)雜度的對比結(jié)果Fig.7 Comparison results between proposed algorithm and mainstream algorithm of complexity

之后使用Market1501 和DukeMTMC-ReⅠD 這兩個數(shù)據(jù)集進(jìn)行實驗，實驗結(jié)果如表5 所示。對比方法包含：基于全局特征的Triplet[21]、SVDNet[27]、BigTricks[28]、Self-supervised[29]；基于注意力機制的Mancs[30]、DuATM[31]、AANet[32]；基于局部特征的PCB[12]、HOReⅠD[14]、MGN[15]、RRⅠD[16]、SCPNet[33]、AlignedReⅠD[34]、HPM[35]（本文的實驗數(shù)據(jù)依據(jù)2.2 節(jié)的實驗環(huán)境復(fù)現(xiàn)源代碼所得）。在Market1501 數(shù)據(jù)集上，DFFRRⅠD 模型mAP 精度達(dá)到88.6%，優(yōu)于其他先進(jìn)方法，rank-1精度為95.3%，低于了MGN方法，高于對比的其他主流算法。在DukeMTMCReⅠD 數(shù) 據(jù) 集 上，DFFRRⅠD 模 型 的mAP 精 度 達(dá) 到 了78.9%，rank-1 精度為89.3%，優(yōu)于本文所對比的其他先進(jìn)方法。

表5 本文算法與主流算法在Market1501和DukeMTMC-ReⅠD數(shù)據(jù)集對比結(jié)果Table 5 Comparison results of proposed algorithm compared with mainstream algorithm on Market1501 and DukeMTMC-ReⅠD datasets 單位：%

為了進(jìn)一步證明本文方法的有效性，本文在CUHK03數(shù)據(jù)集上與一些先進(jìn)算法做了對比，具體實驗數(shù)據(jù)如表6 所示。由于該數(shù)據(jù)集的行人標(biāo)注框可分為手工標(biāo)注和檢測器自動標(biāo)注兩種方式，因此又細(xì)分為Labeled 與Detected 這兩種情況。本文DFFRRⅠD 與RRⅠD 相比，mAP與rank-1在Labeled標(biāo)注情況下，分別提高了1.9個百分點和2.6 個百分點；在Detected 自動檢測的數(shù)據(jù)集下，分別提高了0.8 個百分點和1.4 個百分點，且明顯高于進(jìn)行對比的其他算法。使用CUHK03 數(shù)據(jù)集進(jìn)一步驗證了本文方法的泛化能力及鑒別能力。

表6 本文算法在CUHK03數(shù)據(jù)集上與主流算法對比結(jié)果Table 6 Comparison results of proposed algorithm compared with mainstream algorithm on CUHK03 dataset單位：%

問題的復(fù)雜度、模型的復(fù)雜度、可用的訓(xùn)練數(shù)據(jù)量都會影響算法的高效性能。復(fù)雜的問題需要使用復(fù)雜的模型進(jìn)行解決，而模型的性能好壞又需要大量且有效的數(shù)據(jù)集去支撐。可以通過數(shù)據(jù)增強的方式獲取更多數(shù)據(jù)，大量的數(shù)據(jù)可以提升模型的泛化能力，預(yù)防模型過擬合。相比于Market1501數(shù)據(jù)集，DukeMTMC-ReⅠD和CUHK03數(shù)據(jù)集中的行人圖片，其行人通常有較大的姿勢變化，同時背景雜亂，遮擋更嚴(yán)重。因此行人圖像更難檢索，檢索精度相較Market1501數(shù)據(jù)集準(zhǔn)確率也要低很多。

3 結(jié)論

本文所提出的DFFRRⅠD模型更加關(guān)注顯著性的細(xì)節(jié)信息及關(guān)聯(lián)性特征。首先，設(shè)計了一個全局模塊，用于提取粗糙的整體特征。其次，將多樣化細(xì)粒度特征提取模塊作為全局模塊的補充，通過由粗到細(xì)的粒度切分，獲得顯著性細(xì)節(jié)信息。之后考慮到局部特征間的關(guān)聯(lián)性，改進(jìn)了one-vs.rest模塊，將改進(jìn)后的two-vs.rest模塊作為細(xì)粒度特征提取模塊的有效輔助。隨后將三個模塊提取的所有特征集成到分類網(wǎng)絡(luò)。利用交叉熵?fù)p失、標(biāo)簽平滑交叉熵?fù)p失和三元組損失共同訓(xùn)練網(wǎng)絡(luò)，以保持信息的完整性，提取出最具區(qū)分性的特征。最后，通過對比實驗證實了DFFRRⅠD 模型的競爭力。本文方法更加關(guān)注行人主體，網(wǎng)絡(luò)更具鑒別力，但遮擋問題仍給行人重識別研究帶來了巨大挑戰(zhàn)。本文雖然在數(shù)據(jù)集預(yù)處理階段使用隨機擦除的方式緩解了其他物體對行人的遮擋問題，但行人間的遮擋問題并未解決。在后期研究中，將引入姿態(tài)估計模型對行人圖像提取關(guān)鍵點信息，并與本文方法相結(jié)合用于指導(dǎo)網(wǎng)絡(luò)特征提取，使模型可以正確地關(guān)注目標(biāo)行人，進(jìn)而緩和行人間的遮擋造成的識別錯誤問題。