【比赛总结】ICCV 2019 野生东北虎再识别挑战赛双赛道冠军方案（CVWC）

1 比赛介绍

本次比赛主要是侧重于，将CV技术用于濒危的野生动物保护，特别是关注野生东北虎，也被称为西伯利亚虎或东北华南虎。东北虎种群主要集中在远东地区，特别是俄罗斯远东和中国东北地区。剩下的野生种群估计有600只，所以保护是至关重要的。

比赛一共分为四个赛道，分别是东北虎的检测，东北虎关节点的估计，东北虎的再识别，野外环境下的东北虎的再识别。这里解释一下最后一个野外东北虎的再识别赛道，这个赛道给出的是未进行检测的东北虎的照片，可能一幅图片中有一个也可能有多只老虎。这个赛道可以说是对前面三个赛道的一个综合考量。

2 数据分析

比赛主办方为了这次比赛，自己提出了一个东北虎的数据集ATRW，现在简单来分析下这个数据集。这里主要分析下Re-ID的数据，更详细的内容可以查看主办方发的论文 ^[1]，在论文中还提出一个老虎再识别的Baseline，感兴趣的可以去看下，这里就不做过多的解释了。

ATRW的Re-ID数据集中，训练集提供了3392张图片，但是真正有ID的图片只有1887张，主办方给出的解释是剩下没有ID的图片主要是因为都是老虎正面的照片，而本次比赛的目的在于利用老虎身上的花纹进行再识别。

在这1887张图片中，共有107个不同的老虎ID。其中不同ID的老虎个数并不一致，其中ID为‘153’的老虎图片最多有98张，ID为‘1’的最少，只有10张。但是大部分都分布在15~30这个区间。ID的分布如下所示：

所有的图片均是RGB彩图，但是图片的大小尺寸并不一致，其中长宽比分布如下：

与其他行人Re-ID数据集不同的是，标注文件除了给出了每张图片老虎的ID，还给出了每只老虎的关节点坐标信息。每只老虎按照关节位置标注了15个关节点，如下（左）图所示。但是比较坑爹的是，并非所有老虎都有15个标注的关节点，其中差不多400+的图片没有关节点的标注，具体分布如下（右）图。也就是说，标注信息不是全面的，或者说很不完整。

其实通过上面简单的分析可以得知，这道题的难点，也就是提分点在于如何利用这些并不完整的关节点信息。

3 方法模型

如果是做Re-ID的朋友应该知道，再识别里面用最多的也就是就是ID Loss（交叉熵loss）和Triplet-Loss。在这次的比赛中，我们同样是混合了这两种loss进行训练。

另外为了更好地提取特征，进行最后的性相似度比较。这次比赛中，我们设计出了一个三分支的网络模型，如下图所示。

利用老虎的关节点信息，对一张完整的老虎图片分割成躯干，左右前腿，左右后大腿，左右后小腿等7部分。同时把躯干和四肢分成两个网络分支，分别提取特征，即上图的TP-Stream和LP-Stream分支。

针对老虎躯干上花纹多，表征能力更强的特点，我们利用了PCB的做法，对躯干部分按垂直的水平条来提取特征；对于四肢部分，则是设计了6路不同的并行子网络分别提取特征。最后利用concatenation操作特征融合。

针对整张原图，我们则是利用一个全局分支F-Stream网络进行特征提取，最后相加全局和局部的特征信息，利用上文提出的两个混合Loss进行训练。

值得一提的是，我们在最后的推理测试阶段，我们只利用原图进行推理测试，这样做就恰好利用上了关节点信息（在训练时）也弥补了关节点信息不完整的缺点。

另外，对于最后一个 Tiger Re-ID in the Wild 赛道，由于时间和设备有限╮（﹀_﹀）╭，我们只训练了一个Faster-RCNN（resnet50）作为检测器，利用上面的网络进行再识别。也就是说我们省去了关节点估计这一步，使得我们也有幸在这个赛道也取得了冠军。检测器代码如下：

4 一些Tricks

这次比赛中我们参考了行人再识别的常用trick，具体可以参考这篇论文 ^[2]。其中很多方法是值得借鉴的，包括warmup，stride=1，BNNeck等。

另外我们参考了之前的kaggle的座头鲸识别比赛 ^[3]中的一个trick，即水平翻转图片进而产生新的ID。使得训练集增加，这使得在最后MAP有将近5个点的提高。

此外增大图片的输入尺寸，经过试验，当输入尺寸为256x512时效果最好，比128x256的输入提高6个点左右。

同时由于比赛最后提交测试只有一周的时间，我们只对主干分支（F-Stream）进行了几种网络的替换测试，其中ResNet101表现最好，而另外两个分支都利用ResNet34作Backbone。

5 总结

其实最开始并不太想做这个比赛，一是因为假期中真的是成吨的比赛Σ(っ °Д °;)っ，而是毕竟是学术会议的比赛，必然会吸引成吨的大佬们过来ε(┬┬﹏┬┬)3，分分钟被秒成渣渣。但后来女票看了一眼数据集，发现这些大猫居然很可爱Σ( ° △ °|||)︴，让我试试......

就这样阴差阳错做了两周左右。因为这个比赛最后只有一周时间开放测试，而做过这个比赛的都知道，这个比赛线上线下真的是差距太大，所以最后一周基本是天天熬夜实验室，通宵上分。但还好，最后结果还是很开心的，最后放一张当时最后熬夜上分时候发的胖圈纪念一下。

最后，如果有任何问题随时评论私信(￣▽￣)～■干杯□～(￣▽￣)

参考

1. ^Amur Tiger Re-identification in the Wild  https://arxiv.org/abs/1906.05586
2. ^Bag of Tricks and A Strong Baseline for Deep Person Re-identification  https://arxiv.org/abs/1903.07071
3. ^Humpback Whale Identification  https://www.kaggle.com/c/humpback-whale-identification