Base de référence robuste mais simple avec une perte triplet à double granularité pour la réidentification de personnes visible-thermique

Dans cette lettre, nous proposons une perte de triplet à double granularité conceptuellement simple et efficace pour la réidentification de personnes en milieu visible-thermique (VT-ReID). En général, les modèles de réidentification sont toujours entraînés avec une perte de triplet basée sur les échantillons et une perte d'identification au niveau de granularité fine. Il est possible d'introduire une perte basée sur le centre pour encourager la compacité intra-classe et la discrimination inter-classe au niveau de granularité grossière. Notre perte de triplet à double granularité organise bien la perte de triplet basée sur les échantillons et la perte de triplet basée sur le centre selon une hiérarchie allant du fin au grossier, simplement grâce à quelques configurations typiques d'opérations courantes, telles que le regroupement (pooling) et la normalisation par lots (batch normalization). Les expériences menées sur les ensembles de données RegDB et SYSU-MM01 montrent que notre perte de triplet à double granularité peut améliorer considérablement les performances de VT-ReID en utilisant uniquement les caractéristiques globales. Elle peut servir de solide base de référence pour stimuler des recherches futures de haute qualité dans ce domaine.