Person Re-Identification을 위한 Triplet Loss의 방어

최근 몇 년 동안 컴퓨터 비전 분야는 대규모 데이터셋의 등장과 딥 컨볼루셔널 신경망을 이용한 엔드투엔드 학습의 도입으로 혁신을 겪었습니다. 사람 재식별 하위 분야도 이에 예외가 아닙니다. 그러나 커뮤니티 내에서 널리 퍼져 있는 믿음은 트리플렛 손실이 분류(classification), 검증(verification) 등의 대용 손실을 사용한 후 별도의 메트릭 학습 단계를 거치는 것보다 열등하다는 것입니다. 우리는 스크래치에서 시작한 모델뿐만 아니라 사전 학습된 모델에서도 트리플렛 손실의 변형을 사용하여 엔드투엔드 딥 메트릭 학습을 수행하면 대부분의 다른 기존 방법론보다 크게 우수함을 보여주었습니다.