초록
우리는 개인 재식별(re-ID) 분야에서 두 가지 인기 있는 컨볼루션 신경망(CNN) 모델, 즉 검증 모델과 분류 모델을 다시 살펴봅니다. 이 두 모델은 서로 다른 손실 함수로 인해 각각의 장점과 한계를 가지고 있습니다. 본 논문에서는 이러한 두 모델을 결합하여 더 구분력 있는 보행자 설명자를 학습하는 방법에 대해 조명합니다. 특히, 우리는 식별 손실과 검증 손실을 동시에 계산하는 새로운 시아메즈 네트워크를 제안합니다. 훈련 이미지 쌍이 주어지면, 네트워크는 두 이미지의 정체성을 예측하고 그것들이 같은 정체성에 속하는지를 판단합니다. 우리의 네트워크는 구분력 있는 임베딩과 유사도 측정을 동시에 학습하므로, 주석 정보를 최대한 활용할 수 있습니다. 단순함에도 불구하고, 학습된 임베딩은 두 공개된 개인 재식별 벤치마크에서 최신 성능을 개선하였습니다. 또한, 우리의 아키텍처가 이미지 검색 분야에서도 적용될 수 있음을 보여줍니다.