论文：https://arxiv.org/pdf/2103.11568.pdf
code：https://github.com/alibaba/cluster-contrast-reid
在行人重识别领域，如何获取海量标注数据，提高实际场景的重识别能力是工业界非常关注的一个问题。通常在公开数据集如Maket1501上训练出来的模型在实际场景上基本是没法用的，都需要在实际场景中采集数据并进行标注，因此无监督的行人重识别方法成为了目前研究的一个热点。
无监督行人重识别已经有很多人在研究了，目前最好的方法是SPCL(葛艺潇：NeurIPS 2020 | 自步对比学习: 充分挖掘无监督学习样本), 在使用了Generalized Mean Pooling (GEM)之后，在Market1501数据集上达到了rank-1 89.5% 的效果，效果很好，但是和有监督的方法，如Resnet50 + Circle loss (layumi/Person_reID_baseline_pytorch) rank-1 92.13% 或者 OSNet (Model Zoo - torchreid 1.4.0 documentation?) 94.2% rank-1相比仍然有一些差距。SPCL提供了一个很强的unsupervised reid pipeline，可以启发我们去进行更深一步的探索。本文提出了无监督Cluster Contrast ReID，在Market1501上跑到了rank-1 94.6%，已经超越了很多有监督的算法。
方法介绍
当前整个无监督reid的pipeline, 大致可以分成三个部分。
第一个部分就是特征提取，在每一个epoch开始的时候，通过网络将训练数据集中图片的特征都提取出来。
第二部分是聚类提供伪标签，通过传统的聚类方法如DBScan, KNN通过特征把图片聚成不同的类别，每个类别给一个标签，就是用来训练的伪标签。一开始的伪标签是很不准的，在训练的过程中，随着网络的精度越来越高，伪标签也会越来越接近真实标签。
第三部分就是图片特征的存储和更新，在网络训练的过程中，随着网络参数的变化，图片的特征也需要进行对应的更新。在训练的时候，我们因为有了伪标签，就能够通过类似于softmax的分类函数来对网络进行训练。因为伪标签在每次聚类的时候都会发生变化，所以无监督reid用的是non-parametric softmax loss。本文用的是moco用的里面的InfoNCE loss来进行训练。
图片特征的存储和更新对于网络的训练影响很大。在一个行人重识别数据集中，不同的人拥有的图片数量是不一样的，如果按照训练的图片来更新feature的话，拥有大量图片的人的feature将会滞后更新，从而有害网络优化。所以ClusterContrast的核心思想就是，我们不再是从图片的层面上去更新特征和计算loss, 而是从人的维度去更新和计算loss。无论一个人有多少张图片，对于网络训练来说，他们都是一视同仁的，都是用同一个速度去更新特征。在无监督reid中，每个人都被聚类成一个cluster，所以我们的方法叫做ClusterContrast。如下图：
在这张图中，相同颜色的图片是属于同一个人的。对于一个人，不管他有多少张图片，我们只会从里面选一张图片的feature存起来。选这一张图片就像batch hard triplet loss一样，我们发现选择和之前存起来的feature最不相似的feature效果最好，这样能够让网络去挖掘一些难样本。和之前的方法的对比可以参见下图：
?可以看到ClusterContrast非常简洁，使用了最少的显存，取得了最好的效果。
实验结果
我们在各个数据集上，包括车辆重识别数据集上都大大超越了现有的无监督重识别方法。为了公平比较，我们在图表中并没有使用一些常见的提点方法如 Generalized Mean Pooling (GEM), reranking。用了GEM之后网络性能能进一步提升，能够超越很多有监督的方法：
本文提出的Cluster Contrast 方法，在基于聚类方法的无监督方法上，做了一些改进，初始化时随机选择该簇内任意一个样本的特征，每次迭代更新特征时，仅选择每个类别中最难（分类分数最低的）的一个，创新点较少，本文选用了batch256，并且进行了很好的调优实验，实际效果提升很大。