VALSE 论文速览 第38期：面向损坏不变性的行人重识别基准

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周发布一至两篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自南方科技大学的行人重识别方面的工作。该工作由郑锋教授指导，陈明辉同学录制。

论文题目：面向损坏不变性的行人重识别基准

作者列表：陈明辉 (南方科技大学)，王志强 (南方科技大学)，郑锋 (南方科技大学)

B站观看网址：

https://www.bilibili.com/video/BV1QF411B7jb/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

论文摘要：

在安全至关重要的应用场景中部署行人重新识别模型时，了解模型对各种图像损坏的鲁棒性十分关键。然而，当前基准对行人重识别算法的评估只考虑了干净数据集上的性能，而忽略了各种损坏场景中的图像。在这项工作中，我们全面建立了面向损坏不变性的行人重识别基准。我们对单模态和跨模态数据集的损坏不变性学习进行了详尽的研究，包括 Market-1501、CUHK03、MSMT17、RegDB、SYSU-MM01这5个数据集。在重现和检查最近 21 种行人重识别方法的鲁棒性后，我们有一些发现：1) 与基于 CNN 的模型相比，基于Transformer的模型对损坏的图像更鲁棒，2) 增加了随机擦除的概率 (一种常用的方法)增强方法会损害模型鲁棒性，3) 模型的跨数据集泛化能力随着损坏鲁棒性的增加而提高。通过分析上述观察，我们在单模态和跨模态行人重识别数据集上提出了一个强大的基线，从而提高了对各种形式的图片损坏的鲁棒性。

论文信息：

[1]Minghui Chen, Zhiqiang Wang, Feng Zheng. "Benchmarks for Corruption Invariant Person Re-identification" In Proceedings of the Neural Information Processing Systems Track on Datasets and Benchmarks 1 pre-proceedings (NeurIPS Datasets and Benchmarks 2021)

论文链接：

[https://datasets-benchmarks-proceedings.neurips.cc/paper/2021/hash/f457c545a9ded88f18ecee47145a72c0-Abstract-round2.html]

代码链接：

[https://github.com/MinghuiChen43/CIL-ReID]

视频讲者简介：

陈明辉，南方科技大学硕士生，研究方向为深度模型鲁棒性以及分布外泛化。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：张正 (哈尔滨工业大学(深圳))、李爽 (北京理工大学)

季度责任AC：许永超 (武汉大学)

活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行，欢迎在B站搜索VALSE_Webinar关注我们！

直播地址：

https://live.bilibili.com/22300737；

历史视频观看地址：

https://space.bilibili.com/562085182/ 

2、VALSE Webinar活动通常每周三晚上20:00进行，但偶尔会因为讲者时区问题略有调整，为方便您参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ R群，群号：137634472）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3、VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。

4、您也可以通过访问VALSE主页：http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT（经讲者允许后），会在VALSE官网每期报告通知的最下方更新。

看到这了，确定不关注下吗？关注下再走吧～