在碎片化閱讀充斥眼球的時代，越來越少的人會去關注每篇論文背后的探索和思考。

在這個欄目里，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。

點擊本文底部的「閱讀原文」即刻加入社區，查看更多最新論文推薦。

這是 PaperDaily 的第?36?篇文章

本期推薦的論文筆記來自 PaperWeekly 社區用戶 @LUOHAO。本文提出了一種針對于行人重識別的生成對抗網絡 PTGAN，使用 GAN 將一個數據集的行人遷移到另外一個數據集。

如果你對本文工作感興趣，點擊底部的閱讀原文即可查看原論文。

關于作者：羅浩，浙江大學博士研究生，研究方向為計算機視覺和深度學習，現為曠視科技（Face++）的 research intern。

■?論文 | Person Transfer GAN to Bridge Domain Gap for Person Re-Identification

■ 鏈接 | https://www.paperweekly.site/papers/1557

■ 作者 | Longhui Wei / Shiliang Zhang / Wen Gao / Qi Tian

摘要

本文提出了一種針對于 ReID 的生成對抗網絡 PTGAN，可以實現不同 ReID 數據集的行人圖片遷移，在保證行人本體前景不變的情況下，將背景轉換成期望的數據集 style。

另外本文還提出一個大型的 ReID 數據集 MSMT17，這個數據集包括多個時間段多個場景，包括室內和室外場景，是一個非常有挑戰的數據集。

論文用 PTGAN 來縮小不同數據集間的 domain gap，并在新提出的 MSMT17 這個大數據集和其他一些公開的小數據集上做了實驗。

MSMT17 數據集

MSMT17 是一個大型的 ReID 數據集，現在的一些公開數據集的準確度已經被刷得很高，這個數據集的提出進一步延續了 ReID 的發展。不過數據集目前還有公開，等待論文接收后數據集可以公開。?

MSMT17 數據集有以下幾個特性：?

• 數據采集時長約為 180 小時

• 總共有 15 個相機，其中 12 個室外相機，3 個室內相機

• 行人框由 Faster RCNN 機標完成

• 最后總共有 4101 個行人的 126441 個 bounding boxes

△?MSMT17 數據集和已有 ReID 數據集的對比

?△?MSMT17 數據集的圖片和其他數據集的直觀對比

PTGAN

Person Transfer GAN（PTGAN）是作者提出的一個針對于 ReID 問題的 GAN。這個 GAN 最大的特點就是在盡可能保證行人前景不變的前提下實現背景 domain 的遷移。?

首先 PTGAN 網絡的損失函數包括兩部分：

其中 LStyle?代表生成的風格損失，或者說 domain 損失，就是生成的圖像是否像新的數據集風格。LID 代表生成圖像的 ID 損失，就是生成的圖像是否和原始圖像是同一個人。λ1 是平衡兩個損失的權重。下面的關鍵就是看這兩個損失怎么定義。

首先 PTGAN 的基礎是 CycleGAN，所以 loss 也和正常的 CycleGAN 的 loss 差不多。首先第一部分是 LStyle，這個就是標準的 CycleGAN 的判別 loss。

以上幾部分都是正常的 CycleGAN 的損失，保證生成的圖片和期望的數據集的 domain 是一樣的。?

論文的另外一個改進的地方就是 LID。為了保證圖片遷移過程中前景不變，先用 PSPNet 對圖片進行了一個前景分割，得到一個 mask 區域。

傳統的 CycleGAN 并不是用于 ReID 任務，因此也不需要保證前景物體的 ID 信息不變，這樣的結果就是前景可能模糊之類的質量很差，更糟糕的現象是行人的外觀可能改變，比如衣服顏色發生了改變，這是 ReID 任務非常不希望見到的。

為了解決這個問題，論文提出 LID?損失，用 PSPNet 提取的前景，這個前景就是一個 mask，最后 ID 損失為：

其中 M(a) 和 M(b) 是兩個分割出來的前景 mask，ID loss 將會約束行人前景在遷移過程中盡可能的保持不變。最后轉換的效果如下圖所示：

可以看出，直觀上和傳統的 CycleGAN 相比能夠更好的保證行人的 ID 信息。

結果

實驗結果如上表，雖然論文沒有用特別復雜的網絡來訓練，但是將另外一個數據集通過 PTGAN 遷移到 MSMT 上都能增加 MSMT17 數據集上的 performance。并且從準確度上看 MSMT17 還是一個非常難的數據集。

本文由 AI 學術社區 PaperWeekly 精選推薦，社區目前已覆蓋自然語言處理、計算機視覺、人工智能、機器學習、數據挖掘和信息檢索等研究方向，點擊「閱讀原文」即刻加入社區！

△ 戳我領取新年禮物

投票參與 & 讀者福利

?參與方式??

1. 長按識別下方二維碼參與投票

2. 文末留言你喜歡某篇論文的原因

3. 分享本文到朋友圈并截圖發至后臺

?截止時間??

2018年1月24日0點0分

?福利清單??

PaperWeekly定制手機殼 x 3份

PaperWeekly定制筆記本 x 5份

PaperWeekly定制行李牌 x 10份

△ 我們長這樣哦~

長按掃描二維碼，參與投票！

▼

#?高 能 提 醒?#

1. 為了方便大家在投票過程中查看論文詳情，請勿使用微信內置瀏覽器。點擊頁面右上角的“…”按鈕，在手機瀏覽器中打開表單。

2. 本次評選包含自然語言處理和計算機視覺兩大方向，請在你所選擇的參與方向下勾選3-10篇論文。

3. 獲獎名單將于1月25日公布，其中5位由小編根據文末留言選取，其他13位采用隨機抽取，禮物隨機發放。

長按掃描二維碼，馬上投票！

▼

? ? ? ? ???

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點擊 |?閱讀原文?| 查看原論文

總結

以上是生活随笔為你收集整理的PTGAN：针对行人重识别的生成对抗网络 | PaperDaily #36的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。