Auto-ReID: 사람 재식별을 위한 부분 인식 가능한 ConvNet 탐색

현재의 사람 재식별(reID)을 위한 심층 합성곱 신경망(CNN)은 일반적으로 분류를 위해 설계된 ResNet 또는 VGG 백본을 기반으로 구축된다. 그러나 reID는 분류와 다르기 때문에 아키텍처는 이에 맞게 수정되어야 한다. 우리는 reID 작업에 특화된 CNN 아키텍처를 자동으로 탐색하는 방법을 제안한다. 해결해야 할 세 가지 측면이 있다. 첫째, 몸체 구조 정보는 reID에서 중요한 역할을 하지만, 이 정보는 백본에 포함되지 않는다. 둘째, 신경망 아키텍처 탐색(NAS)은 인간의 노력 없이 아키텍처 설계 과정을 자동화하지만, 기존의 NAS 방법 중 어느 것도 입력 이미지의 구조 정보를 통합하지 않는다. 셋째, reID는 본질적으로 검색 작업이지만, 현재의 NAS 알고리즘은 단순히 분류를 위해 설계되었다. 이러한 문제들을 해결하기 위해, 우리는 특히 설계된 reID 탐색 공간에서 검색 기반 알고리즘을 제안하며, 이를 Auto-ReID라고 명명한다. 우리의 Auto-ReID는 효율적이고 효과적인 CNN 아키텍처를 reID 작업에 대해 자동으로 찾는 방법을 가능하게 한다. 광범위한 실험 결과, 탐색된 아키텍처가 다른 모델보다 50%의 매개변수와 53%의 FLOPs(부동소수점 연산 횟수)를 줄이면서도 최고 수준의 성능을 달성함을 보여주었다.