摘要
当前用于行人重识别（reID）的深度卷积神经网络（CNNs）通常基于ResNet或VGG主干网，这些主干网最初是为分类任务设计的。由于行人重识别与分类任务存在差异，因此需要相应地对网络架构进行修改。我们提出了一种自动搜索适用于行人重识别任务的CNN架构的方法。该方法需要解决三个方面的问题：首先，人体结构信息在行人重识别中起着重要作用，但现有的主干网并未编码这一信息；其次，神经架构搜索（NAS）可以自动化地设计网络架构而无需人工干预，但目前尚无任何NAS方法将输入图像的结构信息纳入考虑；最后，行人重识别本质上是一个检索任务，而现有的NAS算法主要针对分类任务设计。为了解决这些问题，我们提出了一种基于检索的搜索算法，在专门设计的行人重识别搜索空间中进行搜索，命名为Auto-ReID。我们的Auto-ReID能够实现自动化的高效且有效的CNN架构搜索。大量实验表明，所搜索到的架构不仅达到了最先进的性能水平，而且相比其他方法减少了50%的参数量和53%的浮点运算次数（FLOPs）。