今天又是行人重識別的論文分享XD
Joint Discriminative and Generative Learning for Person Re-identification

這篇蠻有創意的，用GAN的方法來生成訓練資料，擴增數據量。
由於行人重識別的數據很難收集，標記也十分困難。

這篇可以將既有dataset中的人的外觀互換，在姿態不變之下改變衣服外觀，如下圖：

這樣生成的圖片比隨機產生的圖片更真實，quality也更高。

首先本文將特徵分為兩類：
一種為外表特徵，與行人的ID相關。
一種為結構特徵。與low-level的視覺特徵相關。

這是DGNet的結構，看起來有點複雜，其中主要包含兩個生成網路，一個判別網路

Self-identity generation

相同人不同照片的appearance code應該是相同的。
如上圖， 我們可以有一個自我重構的loss，還可以用同ID的positive sample來構建生成圖像。
這裡用了兩個pixel-level的L1 Loss(reconstruction)：

Cross-identity generation

本篇關鍵的部分，交換不同人的appearance code和structure code來生成新的圖，
主要使用GAN的adversarial Loss和reconstruction Loss

Discriminative Module

在reid識別部分，對於真實圖像，仍使用分類的cross entropy loss
對於生成圖像，使用了兩個loss，Lprim和Lfine，分別用來挖掘外觀和細節的部分。

Result