AlignedReID ： 最短路徑的理解
阿新 • • 發佈：2019-01-03
論文讀完以後，一直也沒有仔細思考動態對齊的細節實現，如何直觀的理解Face++提出的AlignedReID最短路徑的原理和演算法，我們直接用圖來解釋。
動態規劃
如圖所示，乍一看，這條最短路徑上有一些邊是冗餘的，例如圖中的第一條邊。為什麼不只尋找那些匹配的邊呢？作者給出的解釋是這樣的：區域性資訊不僅要自我匹配，也要考慮到整個人體對齊的程序。為了使匹配能夠從頭到腳按順序進行，那麼有一些冗餘的匹配是必須的。另外，通過設計區域性距離函式，這些冗餘匹配在整個最短路徑的長度中貢獻很小。
動態規劃實際是為了解決兩幅影象之間的 Part對齊問題，如圖 [part1]<->[part4]
1）Part model能夠對目標特徵進行細粒度刻畫，是非常必要的
2）最短路徑包含非相關特徵（如part1<->part1），這非但不會對結果造成影響，而且還會對維護垂直方向對齊的次序起著至關重要的作用。
即 路徑規劃本身隱含了自上而下的順序。
注：非相關特徵距離d比較大，其梯度接近於0，因此對於最短路徑的貢獻是比較小的。
有興趣的同學可以參考下面的公式證明一下。
3）路徑規劃過程
先來看part距離公式（H表示水平劃分，文中已驗證最好的H=6）：
規劃從（1,1）到（H,H）的最短路徑，參考公式：
規劃得到的SH,H最短路徑即是兩幅影象最佳的Local 匹配。
下面給出詳細過程圖解：
如何從公式和模型的角度出發看最短路徑的由來？
參考文獻：
1.https://zhuanlan.zhihu.com/p/31521408
2.https://blog.csdn.net/gavinmiaoc/article/details/80333077