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。通常在学术界上公开数据集如 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。标注需要人工成本和时间周期，在项目比较急的时候重新标注根本来不及，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
[1]
rank-1 92.13% 或者 OSNet
[2]
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。
基于此，我们提出了无监督 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。
在其他行人重识别数据集如 Duke 和 MSMT17 数据集上，也比最先进无监督 re-ID 方法 mAP 提高了 7.5％，6.6％。
论文标题：
Cluster Contrast for Unsupervised Person Re-Identification
论文地址：
https://arxiv.org/abs/2103.11568
代码地址：
https://github.com/alibaba/cluster-contrast-reid
unsupervised reid pipeline
首先来看一下整个无监督 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，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。我们用的是 moco 用的里面的 InfoNCE loss 来进行训练。
我们发现，图片特征的存储和更新对于网络的训练影响很大。
一个最简单的直觉就是，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。
具体可以参加下图：
Cluster Contrast
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。怎么选这一张图片也是有很大的讲究的？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：
我们可以看到 ClusterContrast 非常简洁，使用了最少的显存，取得了最好的效果。
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：
Market1501
总结
