Semantic Part Constraint for Person Re-identification
-
摘要: 为减轻行人图片中的背景干扰,使网络着重于行人前景并且提高前景中人体部位的利用率,该文提出引入语义部位约束(SPC)的行人再识别网络。在训练阶段,首先将行人图片同时输入主干网络和语义部位分割网络,分别得到行人特征图和部位分割图;然后,将部位分割图与行人特征图融合,得到语义部位特征;接着,对行人特征图进行池化得到全局特征;最后,同时使用身份约束和语义部位约束训练网络。在测试阶段,由于语义部位约束使得全局特征拥有部位信息,因此测试时仅使用主干网络提取行人的全局信息即可。在大规模公开数据集上的实验结果表明,语义部位约束能有效使得网络提高辨别行人身份的能力并且缩减推断网络的计算花费。与现有方法比较,该文网络能更好地抵抗背景干扰,提高行人再识别性能。Abstract: In order to alleviate the background clutter in pedestrian images, and make the network focus on pedestrian foreground to improve the utilization of human body parts in the foreground. In this paper, a person re-identification network is proposed that introduces Semantic Part Constraint(SPC). Firstly, the pedestrian image is input into the backbone network and the semantic part segmentation network at the same time, and the pedestrian feature map and the part segmentation label are obtained respectively. Secondly, the part segmentation label and the pedestrian feature maps are merged to obtain the semantic part feature. Thirdly, the pedestrian feature map is obtained and the global average pooling is used to gain global features. Finally, the network is trained using both identity constraint and semantic part constraint. Since the semantic part constraint makes the global features obtain the part information, only the backbone network can be used to extract the features of the pedestrian during the test. Experiments on large-scale datasets show that semantic part constraints can effectively make the network improve the ability to identify pedestrians and reduce the computational cost of inferring networks. Compared with the state of art, the proposed network can better resist background clutter and improve person re-identification performance.
-
1. 引言
众所周知,密码函数是序列密码和分组密码中一个重要的密码变换环节,在密码系统的设计中起着举足轻重的作用。为了能够有效抵抗各种密码攻击,密码函数应当具有良好的密码学性质。不同的密码系统侧重的密码学性质不同,但非线性度和弹性阶是两个必须要考虑的性质。Maitra和Sarkar在文献[1]中指出,非线性度和弹性阶相互制约。只有Plateaued函数[2]能达到两者最好的折中。Plateaued函数是包含Bent函数[3]和部分Bent函数[4]的更大的函数类,可具有高非线性度、一定的弹性阶、良好的传播特性,而且可以不具有非零的线性结构,是一类密码学性质优良的函数类。因此,对Plateaued函数构造方法的研究成为一个十分必要的研究课题。
密码函数的构造方法主要分两类:直接构造方法和二次构造方法。关于Plateaued函数直接构造方法的研究成果较少,大多由Bent函数的构造方法推广得来,其中Bent函数两种主要的直接构造方法为文献[5]和文献[6]。之后文献[7]扩展了文献[6]中的构造方法,提出了一种关于Plateaued函数的新的直接构造方法。对于Plateaued函数的其他直接构造方法,可参考文献[8–10]。函数的二次构造方法对于改良函数某些特定的密码学性质具有极其重要的意义,文献[11]推广了间接和(indirect sum)的概念,提出了一种Plateaued函数的二次构造方法;文献[12]通过级联两个Bent函数,给出了一种具有高非线性度且无线性结构的Plateaued函数的构造方法;文献[13]通过固定Bent函数某个变元的值,将一个Bent函数分解为两个Plateaued函数,并利用函数的间接和,给出了一种Plateaued函数二次构造方法。对于Plateaued函数的其他二次构造方法,可参考文献[14–16]。
本文主要对Plateaued函数的直接构造方法进行研究,并分析其相关密码学性质。
2. 预备知识
本文用
F2 表示二元域,Fn2 表示F2 上的n 维向量空间。n 元布尔函数为Fn2 到F2 的映射,用Bn 表示所有n 元布尔函数构成的集合。实数上的加法运算记为+ 和Σi ,二元域上的加法运算记为⊕ 和⊕i 。任意f∈Bn 均可由其代数标准型唯一表示,即f(x)=f(x1,x2,···,xn)=⊕u∈Fn2λu(n∏i=1xuii) 其中,
λu∈F2 。函数f(x) 的代数次数记为deg(f) ,且deg(f)=maxu∈Fn2{wt(u):λu≠0} 其中,
wt(u) 为向量u 的汉明重量。当deg(f)=1 时,称f(x) 为仿射函数,用An 表示n 元仿射函数构成的集合,特别地,当λ0=0 时,称f(x) 为线性函数,用Ln 表示n 元仿射函数构成的集合。函数
f∈Bn 在ω∈Fn2 点的Walsh谱为Wf(ω)=∑x∈Fn2(−1)f(x)⊕ω⋅x 其中,
ω⋅x 为二者的点积。f(x) 的Walsh谱满足能量守恒定理,即∑ω∈Fn2Wf(ω)2=22n f(x) 的非线性度Nf 与其Walsh谱之间满足关系:Nf=2n−1−12maxω∈Fn2|Wf(ω)| 由能量守恒定理可知,
Nf≤2n−1−2n/2−1 ,称非线性度为2n−1−2n/2−1 的n 元布尔函数为Bent函数,显然,n 必为偶数。定义1[2] 设
f∈Bn ,如果存在一个偶数r ,使得#{ω∈Fn2:Wf(ω)≠0}=2r 且对任意的
ω∈Fn2 ,Wf(ω)=0 或±2n−r/2 ,则称f(x) 为r 阶Plateaued函数。设
f∈Bn ,则f(x) 为m 阶弹性函数的充要条件为对任意的ω∈Fn2 ,0≤wt(ω)≤m ,有Wf(ω)=0 。定义2[17] 设
f∈Bn 为2次函数,则其双线性函数定义为Bf(x,y)=f(0)⊕f(x)⊕f(y)⊕f(x⊕y) 其根空间
rad(f) 定义为rad(f)={x∈Fn2:∀y∈Fn2,Bf(x,y)=0} 下面引理1给出了2次函数Walsh谱与其根空间之间的关系。
引理1[17]2次函数
f∈Bn 的Walsh谱分布由其根空间rad(f) 的维数t 唯一确定,如表1所示。表 1 谱值与根空间维数的关系Wf(ω) ω的个数 0 2n−2n−t 2(n+t)/2 2n−t−1+(−1)f(0)2(n−t−2)/2 −2(n+t)/2 2n−t−1−(−1)f(0)2(n−t−2)/2 下面介绍几类关于Plateaued函数的函数结构。
定义3[7] 设
n=r+s ,r 和s 为任意正整数,ϕ 为Fs2 到Fr2 的一个映射,g 为Fs2 上的布尔函数,则Maiorana-McFarland型函数定义为fMM(x,y)=x⋅ϕ(y)⊕g(y) (1) 其中,
x∈Fr2,y∈Fs2 。简记该函数结构为MM型。下面引理2给出其构成Plateaued函数的充分条件。
引理2[7] 令
fMM∈Bn 为MM型函数,则(1)若映射
ϕ 为单射,则fMM(x,y) 为2s 阶Plateaued函数;(2)若映射
ϕ 为2对1映射,则fMM(x,y) 为2s−2 阶Plateaued函数。文献[10]中利用级联函数真值表的方法,给出了一种Plateaued函数的直接构造方法,该方法描述如下:
令
t 和k 为正整数且k<2t<2k ,E⊆Fk2 ,#E=2t 且Fk2 上任意非零线性函数限制在E 上不为常数。对任意的ei∈E ,令γi 为线性函数x⋅ei 的真值表,则以γ0γ1···γ2t−1 为真值表的函数f∈Bk+t 为2t 阶Plateaued函数。该构造方法已被证明属于MM型函数结构[9],即本质为仿射函数的级联,而仿射函数是一类性质较弱的函数,为了弥补该缺点,下面介绍两种级联2次函数的函数结构。
定义4[8] 令
n 和r 为任意正整数,且r<n ,t=⌊r/2⌋ ,s=n−r 。令ψ 为Fs2 到Ft2 的一个映射,ψ1,ψ2,···,ψt 为其坐标函数,令ϕ 为Fs2 到Fr2 的一个映射,ϕ1,ϕ2,···,ϕr 为其坐标函数,g 为Fs2 上的布尔函数,定义fMD(x,y)=⊕ti=1x2i−1x2iψi(y)⊕x⋅ϕ(y)⊕g(y) (2) 其中,
x∈Fr2,y∈Fs2 。简记该函数结构为MD型。显然,当ψ 为零映射时,MM型函数与MD型函数相同。引理3[8] 令
fMD∈Bn 为MD型函数,对任意的a∈Fr2 ,定义集合Ea={{y∈Fs2:∀i≤t,ψi(y)=a2i−1⇒ϕ2i−1(y)=a2i−1,ϕ2i(y)=a2i},r为偶数{y∈Fs2:∀i≤t,ψi(y)=a2i−1⇒ϕ2i−1(y)=a2i−1,ϕ2i(y)=a2i;ϕr(y)s=ar},r为奇数 若对任意的
y∈Fs2 ,ψ(y) 的汉明重量为r0 ,则(1)若对任意的
a∈Fr2 ,#Ea=0 或1 ,则fMD(x,y) 为2(s+r0) 阶Plateaued函数;(2)若对任意的
a∈Fr2 ,#Ea=0 或2 ,则fMD(x,y) 为2(s+r0−1) 阶Plateaued函数。定义5[9] 设
n=r+s ,r 和s 为任意正整数,ϕ1,ϕ2,ϕ3 是Fs2 到Fr2 的3个映射,g 为Fs2 上的布尔函数,定义fQ(x,y)=(x⋅ϕ1(y))(x⋅ϕ2(y))⊕x⋅ϕ3(y)⊕g(y) (3) 其中,
x∈Fr2,y∈Fs2 。简记该函数结构为Q型。以下引理给出了Q型函数构成Plateaued函数的充分条件。引理4[9] 令
fQ(x,y)∈Bn 为Q型函数,且对任意的y∈Fs2 ,向量ϕ1(y) 和ϕ2(y) 线性无关。若当y 遍历Fs2 时,ϕ3(y)+<ϕ1(y),ϕ2(y)> 中的元素两两不相等,则函数fQ(x,y) 为2s+2 阶Plateaued函数。引理5[9]令
fQ(x,y)∈Bn 为Q型函数,且对任意的y∈Fs2 ,ϕ2(y)≠0 。定义以下两个集合:Fa′={y∈Fs2:ϕ1(y)与ϕ2(y)线性无关;a∈ϕ3(y)+<ϕ1(y),ϕ2(y)>} Fa″ 若对任意的
{{a}} \in F_2^r ,\# {F_{{a}}}^\prime + 2\# {F_{{a}}}'' = 0 或2,则函数{f_{\rm{Q}}}({{x}},{{y}}) 是2s 阶Plateaued函数。3. 新型Plateaued函数结构
MM型函数采用级联仿射函数的方式,MD型和Q型函数采用级联特定形式的2次函数的方式,这3类函数结构的Walsh谱均易于计算。本节给出一种级联一般形式2次函数的函数结构,其谱值也易于计算。
令
{{A}} = {({a_{ij}})_{nn}},{{B}} = {({b_{ij}})_{nn}},{{C}} = {({c_{ij}})_{nn}}, ·\!·\!· 表示矩阵,{\varOmega _t} 为所有t 阶上三角矩阵构成的集合。对任意的2次函数f \in {{ B}_n} 且f({{0}}) = 0 ,其代数标准型为f({{x}}) = \mathop \oplus \limits_{i = 1}^n {\alpha _i}{x_i} \oplus \mathop \oplus \limits_{1 \le i < j \le n} {\alpha _{i,j}}{x_i}{x_j} 也可将其表示为
f({{x}}) = ({x_1},{x_2}, ·\!·\!· ,{x_n}){{A}}{({x_1},{x_2}, ·\!·\!· ,{x_n})^{\rm{T}}} (4) 其中,
{{A}} \in {\varOmega _n} ,{a_{ii}} = {\alpha _i} ,{a_{ij}} = {\alpha _{i,j}} 。通过级联式(4)中的2次函数,给出下面的函数结构,记为TF型函数结构。
定义6 设
n = r + s ,r 和s 为任意正整数,则TF型函数定义为{f_{\zeta ,g}}({{x}},{{y}}) = {{x}}\zeta ({{y}}){{{x}}^{\rm{T}}} \oplus g({{y}}) (5) 其中,
{{x}} \in F_2^r,{{y}} \in F_2^s ,\zeta 为F_2^s 到集合{\varOmega _r} 的一个映射,g 为F_2^s 上的布尔函数。下面给出TF型函数的谱值计算定理。
定理1 令
{f_{\zeta ,g}} \in {{B}_n} 为TF型函数,对任意的{{x}} \!\in\! F_2^r,{{y}} \!\in\! F_2^s ,令\zeta ({{y}}) \!=\! {A_{{y}}} \in {\varOmega _r} ,{h_{{y}}}({{x}}) \!=\! {{x}}{{{A}}_{{y}}}{{{x}}^{\rm{T}}} ,则对任意的({{a}},{{b}}) \in F_2^r \times F_2^s ,有{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) = \sum\limits_{{{y}} \in F_2^s} {{\xi _{{a},\zeta }}({{y}}){2^{(2r - R({{{A}}_{{y}}} \oplus {{A}}_{{y}}^{\rm{T}}))/2}}{{( - 1)}^{g({{y}}) \oplus {{b}} \cdot {{y}}}}} 其中,
R({{A}} \oplus {{{A}}^{\rm{T}}}) 表示矩阵{{A}} \oplus {{{A}}^{\rm{T}}} 的秩,{\xi _{{{a}},\zeta }} 为F_2^s 到\{ 0,1, - 1\} 的一个映射:{\xi _{{{a}},\zeta }}({{y}}) = \left\{ {\begin{aligned}& {0,\quad\quad{W_{{h_y}}}({{a}}) = 0} \\ & {1,\quad\quad{W_{{h_y}}}({{a}}) > 0} \\ & { - 1, \quad{W_{{h_y}}}({{a}}) < 0} \end{aligned}} \right. 证明 由定义2,函数
{h_{{y}}}({{x}}) 的双线性函数为\begin{align} {B_{{h_y}}}({{x}},z) =& {h_y}({{0}}) \oplus {h_{{y}}}({{x}}) \oplus {h_{{y}}}({z}) \oplus {h_{{y}}}({x} \oplus {z}) \\ = &\!0 \!\oplus\! {{x}}{{{A}}_{{y}}}{{{x}}^{\rm{T}}} \!\oplus\! {z}{{{A}}_{{y}}}{{z}^{\rm{T}}} \!\oplus\! ({{x}} \!\oplus\! {z}){{{A}}_{{y}}}{({x} \!\oplus\! {z})^{\rm{T}}} \\ =& {{x}}({{{A}}_{{y}}} \oplus {{A}}_{{y}}^{\rm{T}}){{z}^{\rm{T}}} \\ \end{align} 其根空间为
\begin{align} {\rm{rad}}({h_{{y}}}) = &\{ {{x}} \in F_2^r:\forall {z} \in F_2^r,{B_{{h_{{y}}}}}({{x}},{z}) = 0\} \\= &\{ {{x}} \in F_2^r:\forall {z} \in F_2^r,{{x}}({{{A}}_{{y}}} \oplus {{A}}_{{y}}^{\rm{T}}){{z}^{\rm{T}}} = 0\} \\ = &\{ {{x}} \in F_2^r:{{x}}({{{A}}_{{y}}} \oplus {A}_y^{\rm{T}}) = {0}\} \\ \end{align} 故
{\rm{rad}}({h_{{y}}}) 的维数为r - R({{A}} \oplus {{{A}}^{\rm{T}}}) 。由引理1及映射
{\xi _{{a},\zeta }} 的定义,对任意的({{a}},{{b}}) \in F_2^r \times F_2^s ,有\begin{align} {W_{{f_{\zeta ,g}}}}({{a}},{{b}}) &= \sum\limits_{{{x}} \in F_2^r,{{y}} \in F_2^s} {{{( - 1)}^{{f_{\zeta ,g}}({{x}},{{y}}) \oplus {{a}} \cdot {{x}} \oplus {{b}} \cdot {{y}}}}} \\ &= \sum\limits_{{{y}} \in F_2^s} {{{( - 1)}^{g({{y}}) \oplus {{b}} \cdot {{y}}}}} \sum\limits_{x \in F_2^r} {{{( - 1)}^{{{x}}\zeta ({{y}}){{{x}}^{\rm{T}}} \oplus {{a}} \cdot {{x}}}}} \\ &=\!\! \sum\limits_{{{y}} \in F_2^s} \!\!{{\xi _{{{a}},\zeta }}({{y}}){2^{(r + (r - R({{{A}}_{{y}}} \oplus {{A}}_{{y}}^{\rm{T}})))/2}}\!{{( -\! 1)}^{g({{y}}) \oplus {{b}} \cdot {{y}}}}} \\& = \sum\limits_{{{y}} \in F_2^s} {{\xi _{{{a}},\zeta }}({{y}}){2^{(2r - R({{{A}}_{{y}}} \oplus {{A}}_{{y}}^{\rm{T}}))/2}}{{( - 1)}^{g({{y}}) \oplus {{b}} \cdot {{y}}}}} \end{align} 证毕
由此给出Plateaued函数的构造定理。
定理2 令
{f_{\zeta ,g}} \in {{B}_n} 为TF型函数,假定对任意的{{y}} \in F_2^s ,R({{{A}}_{{y}}} \oplus {{A}}_{{y}}^{\rm{T}}) 保持不变,记为{t_0} 。定义集合{F_{{a}}} = \{ {{y}} \in F_2^s:{\xi _{{{a}},\zeta }}({{y}}) \ne 0\} ,\ {{a}} \in F_2^r 则
(1) 若对任意的
{{a}} \in F_2^r ,\# {F_{{a}}} = 0 或1,则函数{f_{\zeta ,g}}({{x}},{{y}}) 是2s + {t_0} 阶Plateaued函数;(2) 若对任意的
{{a}} \in F_2^r ,\# {F_{{a}}} = 0 或2,则函数{f_{\zeta ,g}}({{x}},{{y}}) 是2s + {t_0} - 2 阶Plateaued函数。证明 由于对任意的
{{y}} \in F_2^s ,R({{{A}}_{{y}}} \oplus {{A}}_{{y}}^{\rm{T}}) 保持不变,则由定理1可知,对任意的({{a}},{{b}}) \in F_2^r \times F_2^s ,有\begin{align} {W_{{f_{\zeta ,g}}}}({{a}},{{b}}) = &\sum\limits_{{{y}} \in F_2^s} {{\xi _{{{a}},\zeta }}({{y}}){2^{(2r - R({{{A}}_{{y}}} \oplus {A}_y^{\rm{T}}))/2}}{{( - 1)}^{g({{y}}) \oplus {{b}} \cdot {{y}}}}} \\ =& {2^{r - {t_0}/2}}\sum\limits_{{{y}} \in F_2^s} {{\xi _{{{a}},\zeta }}({{y}}){{( - 1)}^{g({{y}}) \oplus {{b}} \cdot {{y}}}}} \\ \end{align} 若对任意的
{{a}} \in F_2^r ,\# {F_{{a}}} = 0 或1,则{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) 为0或\pm {( - 1)^{g({{y}}) \oplus {{b}} \cdot {{y}}}}{2^{r - {t_0}/2}} = \pm {2^{r - {t_0}/2}} ,即{f_{\zeta ,g}}({{x}},{{y}}) 是2s + {t_0} 阶Plateaued函数。同理可证条件(2)。 证毕
注1 由定理1及定理2可知,当对任意的
{{a}} \in F_2^r ,\# {F_{{a}}} = 0 或1成立时,有\begin{align}& \sum\limits_{{{a}} \in F_2^r,{{y}} \in F_2^s} {W_{{h_{{y}}}}^2({{a}}) \le {2^{3r - {t_0}}}} \\& \sum\limits_{{{a}} \in F_2^r,{{b}} \in F_2^s} {W_f^2({{a}},{{b}}) \le {2^{3r + s - {t_0}}}} \end{align} 由能量守恒定理可知,
{2^{s + 2r}} \le {2^{3r - {t_0}}},\ {2^{2s + 2r}} \le {2^{3r + s - {t_0}}} 由此可知,
s \le r - {t_0} 。同理可得,当对任意的{{a}} \in F_2^r ,\# {F_{{a}}} = 0 或2成立时,有s \le r - {t_0} + 2 。以下记满足条件(1)的函数为
{\rm{T}}{{\rm{F}}_{\rm{1}}} 型Plateaued函数,满足条件(2)的函数为{\rm{T}}{{\rm{F}}_2} 型Plateaued函数。由非线性度和谱值之间的关系可知,
{\rm{T}}{{\rm{F}}_{\rm{1}}} 型Plateaued函数的非线性度为{2^{n - 1}} - {2^{(2r - {t_0})/2 - 1}} ;{\rm{T}}{{\rm{F}}_2} 型Plateaued函数的非线性度为{2^{n - 1}} - {2^{(2r - {t_0})/2}} 。由于TF型Plateaued函数本质为级联一般形式的2次函数,故其代数次数
\le s + 2 。下面两个定理分别研究了
{\rm{T}}{{\rm{F}}_{\rm{1}}} 型和{\rm{T}}{{\rm{F}}_2} 型Plateaued函数的弹性阶。定理3 令
{f_{\zeta ,g}} \in {{B}_n} 为{\rm{T}}{{\rm{F}}_{\rm{1}}} 型Plateaued函数,集合D = \{ {{a}} \in F_2^r: {{存在}}{{y}} \in F_2^s {{使得}}{\xi _{a,\zeta }}({{y}}) \ne 0\} 整数
k 为集合D 中元素汉明重量的最小值,则函数{f_{\zeta ,g}} 的弹性阶为k - 1 且k \le \max \left\{ t \in N:\sum\limits_{i = 0}^t {\left( {\begin{array}{*{20}{c}} r \\ i \end{array}} \right)} \le {2^r} - \# D \right\} + 1 证明 由
{f_{\zeta ,g}} \in {{B}_n} 为{\rm{T}}{{\rm{F}}_{\rm{1}}} 型Plateaued函数,故对任意的{{a}} \in F_2^r ,\# {F_{{a}}} = 0 或1。由集合D 的定义可知,函数{f_{\zeta ,g}} 的弹性阶\le k - 1 。由定理1和定理2,对任意的({{a}},{{b}}) \in F_2^r \times F_2^s ,{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) = \pm {2^{r - {t_0}/2}} 当且仅当{{a}} \in D 。若wt({{a}},{{b}}) \le k - 1 ,则wt({{a}}) \le k - 1 ,从而{{a}} \notin D ,故{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) = 0 ,从而函数{f_{\zeta ,g}} 的弹性阶\ \ge k - 1 。因此,函数
{f_{\zeta ,g}} 的弹性阶为k - 1 。由集合
D 和整数k 的定义,汉明重量\le k - 1 的向量在集合{D^c} 中,故有\sum\limits_{i = 0}^{k - 1} {\left( {\begin{array}{*{20}{c}} r \\ i \end{array}} \right)} \le {2^r} - \# D 由此得到
k \le \max \{ t \in N:\sum\limits_{i = 0}^t {\left( {\begin{array}{*{20}{c}} r \\ i \end{array}} \right)} \le {2^r} - \# D\} + 1 证毕
定理4 令
{f_{\zeta ,g}} \in {{B}_n} 为{\rm{T}}{{\rm{F}}_2} 型Plateaued函数,集合D 和整数k 如定理3中定义,则函数{f_{\zeta ,g}} 的弹性阶为k 或k - 1 且k \le \max \left\{ t \in N:\sum\limits_{i = 0}^t {\left( {\begin{array}{*{20}{c}} r \\ i \end{array}} \right)} \le {2^r} - \# D\right\} + 1 证明 由定理1和定理2可知,对任意的
({{a}},{{b}}) \in F_2^r \times F_2^s ,{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) = \pm {2^{r + 1 - {t_0}/2}} 当且仅当{{a}} \in D 。若wt({{a}},{{b}}) \le k - 1 ,则wt({{a}}) \le k - 1 ,从而{{a}} \notin D ,故{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) = 0 。由此可知,函数{f_{\zeta ,g}} 的弹性阶\ge k - 1 。取
{{a}} \in D 且wt({{a}}) = k ,令{{{y}}_1},{{{y}}_2} \in F_2^s 且{\xi _{{{a}},\zeta }}({{{y}}_1}) \ne 0 ,{ {ξ}_{{a},\zeta }}({{{y}}_2}) \ne 0 。由定理1,对任意的{{b}} \in F_2^s ,限制在\{ {a}\} \times F_2^s 上的谱值为以下二者之一:\begin{align} \frac{1}{{{2^{r - {t_0}/2}}}}{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) =& \pm [{( - 1)^{g({{{y}}_1}) \oplus {{b}} \cdot {{{y}}_1}}}\! - {( - 1)^{g({{{y}}_2}) \oplus {{b}} \cdot {{y}_2}}}] \\ =& \pm 2[{{b}} \cdot ({{{y}}_1} \!\oplus\! {{{y}}_2}) \!\oplus\! g({{{y}}_1}) \!\oplus\! g({{{y}}_2})] \\ \frac{1}{{{2^{r - {t_0}/2}}}}{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) =& \pm [{( - 1)^{g({{{y}}_1}) \oplus {{b}} \cdot {{{y}}_1}}} + {( - 1)^{g({{{y}}_2}) \oplus {{b}} \cdot {{{y}}_2}}}]\\ = \pm 2 & [{{b}} \cdot ({{{y}}_1} \!\oplus\! {{y}_2}) \!\oplus\! g({{{y}}_1}) \oplus g({{{y}}_2}) \!\oplus\! 1] \end{align} 当向量
{{y}_1} \ne {{y}_2} 时,线性函数{b} \cdot ({{{y}}_1} \oplus {{{y}}_2}) 在集合\{ {{b}} \in F_2^s:wt({{b}}) \le 1\} 上的取值不为常值,从而总存在{{b}} \in F_2^s ,wt({{b}}) \le 1 ,使得{W_{{f_{\zeta ,g}}}}({{a}},{{b}}) \ne 0 ,从而函数{f_{\zeta ,g}} 的弹性阶< k + 1 。因此,函数
{f_{\zeta ,g}} 的弹性阶为k 或k - 1 。整数k 界的证明与定理3相同,这里不再赘述。 证毕4. 各类函数结构之间的包含关系
第2节已经说明文献[10]中的函数类可归约到MM型函数,而MM型函数又可归约到MD型函数。本节证明MD型Plateaued函数和Q型Plateaued函数都可归约到TF型Plateaued函数。
首先,给出MD型Plateaued函数的归约证明。定义集合
\begin{align}\varOmega _r^{{\rm{MD}}} =& \{ {{A}} \in {\varOmega _r}:{a_{(2i - 1)(2i)}},{a_{jj}} \in {F_2}, \\ &1 \le i \le t,1 \le j \le r;{{其余}}{a_{ij}} = 0\} \end{align} 其中,
t = \left\lfloor {r/2} \right\rfloor ,令{\zeta _{{\rm{MD}}}} 为F_2^s 到\varOmega _r^{{\rm{MD}}} 的映射,则函数{f_{{\zeta _{{\rm{MD}}}},g}}({{x}},{{y}}) = {{x}}{\zeta _{{\rm{MD}}}}({{y}}){{{x}}^{\rm{T}}} \oplus g({y}) 即为MD型函数。定理5 令函数
{f_{{\rm{MD}}}} \in {{ B}_n} 为MD型函数。若对任意的{{y}} \in F_2^s ,\psi ({{y}}) 的汉明重量为常数{r_0} ,则对任意的{{A}} \in \varOmega _r^{{\rm{MD}}} ,R({{A}} \oplus {{{A}}^{\rm{T}}}) = 2{r_0} 。证明 由于仿射函数的双线性函数恒为零函数,这里只考虑映射
\psi 。若对任意的
{{y}} \in F_2^s ,\psi ({{y}}) 的汉明重量为{r_0} ,则向量({\psi _1}({{y}}),{\psi _2}({{y}}), ·\!·\!·, {\psi _t}({{y}})) 中1的个数为{r_0} ,即集合\{ {a_{12}},{a_{34}}, \cdots ,{a_{(2t - 1)(2t)}}\} 中1的个数为{r_0} 。当
{r_0} 为偶数时,矩阵{{A}} \oplus {{{A}}^{\rm{T}}} 为其中,
{a_{12}} = {a_{21}}, ·\!·\!· ,{a_{(r - 1)(r)}} = {a_{(r)(r - 1)}} 。显然,此时有R({{A}} \oplus {{{A}}^{\rm{T}}}) = 2{r_0} 。同理可证{r_0} 为奇数时的情况。 证毕定理6 MD型Plateaued函数可归约到TF型Plateaued函数。
证明 对任意的
({{a}},{{b}}) \in F_2^r \times F_2^s ,函数{f_{{\rm{MD}}}} 在该点的Walsh谱为{W_{{f_{{\rm{MD}}}}}}({{a}},{{b}}) \\=\sum\limits_{{{y}} \in F_2^s} {\sum\limits_{{{x}} \in F_2^r} {{{( - 1)}^{ \oplus _{i = 1}^t{{{x}}_{2i - 1}}{{{x}}_{2i}}{\psi _i}({{y}}) \oplus {{x}} \cdot \phi ({{y}}) \oplus {{a}} \cdot {{x}}}}{{( - 1)}^{g({{y}}) \oplus {{b}} \cdot {{y}}}}} } 若对任意的
{{a}} \in F_2^r ,有\# {E_{{a}}} = 0 或1,则由定理5可知,至多存在一个{{y}} \in F_2^s 使得\biggr|\sum\limits_{{{x}} \in F_2^r} {{{( - 1)}^{ \oplus _{i = 1}^t{x_{2i - 1}}{{{x}}_{2i}}{\psi _i}({{y}}) \oplus {{x}} \cdot \phi ({{y}}) \oplus {{a}} \cdot {{x}}}}} \biggr| = {2^{r - {r_0}}} 由映射
{\zeta _{{\rm{MD}}}} 和集合{F_{{a}}} 的定义可知,\# {F_{{a}}} = 0 或1。同理可证若对任意的
{{a}} \in F_2^r ,\# {E_{{a}}} = 0 或2,则\# {F_{{a}}} = 0 或2。 证毕下面给出Q型Plateaued函数的归约证明。由于式(3)中的函数
({{x}} \cdot {\phi _1}({{y}}))({{x}} \cdot {\phi _2}({{y}})) \oplus {{x}} \cdot {\phi _3}({{y}}) 的秩为0或2[9],定义集合\varOmega _r^{\rm{Q}} = \{ {{A}} \in {\varOmega _r}:R({{A}} \oplus {{{A}}^{\rm{T}}}) = 0 {{或}}2\} 令
{\zeta _{\rm{Q}}} 为F_2^s 到\varOmega _r^{\rm{Q}} 的一个映射,则函数{f_{{\zeta _{\rm{Q}}},g}}({{x}},{{y}}) = {x}{\zeta _{\rm{Q}}}({{y}}){{x}^{\rm{T}}} \oplus g({{y}}) 即为Q型函数。定理7 Q型Plateaued函数可归约到TF型Plateaued函数。
证明 令集合
E = \{ {{y}} \in F_2^s:{\phi _1}({{y}}){{和}}{\phi _2}({{y}})\} {{线性无关}}\} 若
E = F_2^s ,则对任意的{{A}} \!\in\! \varOmega _r^{\rm{Q}} ,R({{A}} \!\oplus\! {{{A}}^{\rm{T}}}) \!=\! 2 ;若E 为空集,则对任意的{{A}} \in \varOmega _r^{\rm{Q}} ,有R({{A}} \oplus {{{A}}^{\rm{T}}}) = 0 。对任意的
({{a}},{{b}}) \in F_2^r \times F_2^s ,函数{f_{\rm{Q}}} 在该点的Walsh谱为\!\begin{array}{l}{W_{{f_{\rm{Q}}}}}({{a}},{{b}})\\ =\!\!\sum\limits_{{{y}} \in F_2^s} {\sum\limits_{{{x}} \in F_2^r} {{{( - 1)}^{({{x}} \cdot {\phi _1}({{y}}))({{x}} \cdot {\phi _2}({{y}})) \oplus {{x}} \cdot {\phi _3}({{y}}) \oplus {{a}} \cdot {{x}}}}} {{( - 1)}^{g({{y}}) \oplus {{b}} \cdot {{y}}}}} \end{array} 若对任意的
{{y}} \in F_2^s ,{\phi _3}({{y}}) + < {\phi _1}({{y}}),{\phi _2}({{y}}) > 中元素两两不相等,则对任意的{{a}} \in F_2^r ,至多存在一个{{y}} \in F_2^s 使得\biggr|\sum\limits_{{{x}} \in F_2^r} {{{( - 1)}^{({{x}} \cdot {\phi _1}({{y}}))({{x}} \cdot {\phi _2}({{y}})) \oplus {{x}} \cdot {\phi _3}({{y}}) \oplus {{a}} \cdot {{x}}}}} \biggr| = {2^{r - 1}} 由映射
{\zeta _{\rm{Q}}} 和集合{F_{{a}}} 的定义可知,\# {F_{{a}}} = 0 或1。令集合
{F'\!\!_{{a}}} 和{F''\!\!\!_{{a}}} 如引理5中定义,若\# {F'\!\!_{{a}}} + 2\# {F''\!\!\!_{{a}}} = 0 或2,则\left\{ {\begin{array}{*{20}{c}}{\# {{F'}\!\!_{{a}}} = 0 {{或}}2}\\\!\!\!\!\!\!\!\!\! {\# {{F''}\!\!\!_{{a}}} = 0}\end{array}} \right.\;\; {{或}}\;\; \left\{ {\begin{array}{*{20}{c}}\!\!\!\!\!\!\!\!\! {\# {{F'}\!\!_{{a}}} = 0}\\{\# {{F''}\!\!\!_{{a}}} = 0 {{或}}1}\end{array}} \right. 当
\# {F'\!\!_{{a}}} = 0 或2,\# {F''\!\!\!_{{a}}} = 0 时,对任意的{{A}} \in \varOmega _r^{\rm{Q}} ,R({{A}} \oplus {{{A}}^{\rm{T}}}) = 2 ,且对任意的{{a}} \in F_2^r ,存在0或2个{{y}} \in F_2^s 使得\biggr|\sum\limits_{{{x}} \in F_2^r} {{{( - 1)}^{({{x}} \cdot {\phi _1}({{y}}))({{x}} \cdot {\phi _2}({{y}})) \oplus {{x}} \cdot {\phi _3}({{y}}) \oplus {{a}} \cdot {{x}}}}}\biggr| = {2^{r - 1}} 由映射
{\zeta _{\rm{Q}}} 和集合{F_{{a}}} 的定义可知,\# {F_{{a}}} = 0 或2。同理可证当\# {F_{{a}}}^\prime = 0 ,\# {F''\!\!\!_{{a}}} = 0 或1时,\# {F_{{a}}} = 0 或1。 证毕注2 TF型函数的函数量为
N({\rm TF}) = {({2^{({r^2} + r)/2}})^{{2^s}}} \times{2^{{2^s}}} = {2^{[({r^2} + r)/2 + 1]{2^s}}} ;MD型函数的函数量为N({\rm{MD}}) = {({2^{{2^s}}})^t} \times {({2^r})^{{2^s}}} \times {2^{{2^s}}} = {2^{(t + r + 1){2^s}}} ;Q型函数的函数量为N({\rm Q}) = {[{({2^r})^{{2^s}}}]^3} \times {2^{{2^s}}} = {2^{(3r + 1){2^s}}} 。可见,N({\rm TF}) \ge N({\rm GMM}) 且当r \ge 6 时,N({\rm TF}) > N({\rm Q}) 。下面给出一类不为MD型或Q型的TF型Plateaued函数。
例1 令
n = 13 ,s = 4 ,r = 9 ,矩阵{{{A}}_1} \in {\varOmega _4} ,{{{A}}_2} \in {\varOmega _5} 为\begin{aligned}& {{{A}}_1} = \left[ {\begin{array}{*{20}{c}} 0&0&1&0 \\ 0&0&1&1 \\ 0&0&0&0 \\ 0&0&0&0 \end{array}} \right]\\& {{{A}}_2} = \left[ {\begin{array}{*{20}{l}} {{a_{55}}}&0&0&0&0 \\ 0&{{a_{66}}}&0&0&0 \\ 0&0&{{a_{77}}}&0&0 \\ 0&0&0&{{a_{88}}}&0 \\ 0&0&0&0&{{a_{99}}} \end{array}} \right]\end{aligned} 其中,
{a_{55}},{a_{66}},{a_{77}},{a_{88}},{a_{99}} \in {F_2} ,矩阵{{A}} \in {\varOmega _9} 为{{A}} = \left[ {\begin{array}{*{20}{c}} {{{{A}}_1}}&{{{{A}}_3}} \\ {{{{A}}_4}}&{{{{A}}_2}} \end{array}} \right] 其中,
{{{A}}_3} 和{{{A}}_4} 为全0矩阵,记由满足上述条件的矩阵{{A}} 构成的集合为\varOmega _9^0 。此时,对任意的
{{A}} \in \varOmega _9^0 ,R({{A}} \oplus {{{A}}^{\rm{T}}}) = 4 。由于\# \varOmega _9^0 = 32 > 16 ,可定义F_2^4 到\varOmega _9^0 的单射,可以验证该单射满足定理2中的条件(1),即函数{f_{\zeta ,g}} 为13元12阶Plateaued函数。显然,对任意的
{{A}} \in \varOmega _9^0 ,有{{A}} \notin \varOmega _9^{{\rm{MD}}} 且{{A}} \!\notin\! \varOmega _9^{\rm{Q}} 。5. 结束语
本文提出了一类新型函数结构,即TF型函数,给出了TF型函数构成Plateaued函数的充分条件,分析了该类Plateaued函数的代数次数、非线性度和弹性阶,指出了TF型Plateaued函数是包含MM型、MD型和Q型Plateaued函数的更为一般的函数类。与现有直接构造方法相比,TF型Plateaued函数形式更为一般,需要满足的条件也更为宽泛,此外,TF型函数的函数量更大,能够构造大量与现有函数类不同的Plateaued函数。
-
表 1 在Market-1501数据集上的对比实验(%)
实验编号 行人特征 网络约束 Rank-1 Rank-5 Rank-10 mAP 1 {{{f}}_{\rm{g}}} {L_{{\rm{id}}}} 92.0 96.9 98.2 80.4 2 {{{C}}_f} {L_{{\rm{id}}}} 92.7 97.5 98.6 80.6 3 {{{f}}_{\rm{g}}} {L_{{\rm{id}}}} + {L_{{\rm{sp}}}} 93.6 97.6 98.7 83.6 表 2 不同网络测试时长对比(ms)
方法 批次特征提取耗时 复现SPReID 82.87 本文网络 9.45 表 3 不同方法在两个数据集上的性能比较(%)
方法 Market-1501 DukeMTMC-reID Rank-1 mAP Rank-1 mAP VIM[11] 79.5 59.9 68.9 49.3 SVDNet[12] 82.3 62.1 76.7 56.8 APR[3] 84.3 64.7 70.7 51.2 FMN[13] 86.0 67.1 74.5 56.9 PSE[14] 87.7 69.0 79.8 62.0 PN-GAN[15] 89.4 72.6 73.6 53.2 CamStyle[16] 89.5 71.6 78.3 57.6 HA-CNN[17] 91.2 75.7 80.5 63.8 Part-Aligned[4] 91.7 79.6 84.4 69.3 SPReID[5] 92.5 81.3 84.4 71.0 AHR[18] 93.1 76.2 81.7 65.9 本文方法 93.6 83.6 85.4 71.3 -
LIAO Shengcai, HU Yang, ZHU Xiangyu, et al. Person re-identification by local maximal occurrence representation and metric learning[C]. 2015 IEEE Conference on Computer Vision and Pattern Recognition, Boston, America, 2015: 2197–2206. doi: 10.1109/CVPR.2015.7298832. 陈莹, 许潇月. 基于双向参考集矩阵度量学习的行人再识别[J]. 电子与信息学报, 2020, 42(2): 394–402. doi: 10.11999/JEIT190159CHEN Ying and XU Xiaoyue. Matrix metric learning for person re-identification based on bidirectional reference set[J]. Journal of Electronics &Information Technology, 2020, 42(2): 394–402. doi: 10.11999/JEIT190159 LIN Yutian, ZHENG Liang, ZHENG Zhedong, et al. Improving person re-identification by attribute and identity Learning[J]. Pattern Recognition, 2019, 95: 151–161. doi: 10.1016/j.patcog.2019.06.006 SUH Y, WANG Jingdong, TANG Siyu, et al. Part-aligned bilinear representations for person re-identification[C]. The 15th European Conference on Computer Vision, Munich, Germany, 2018: 402–419. doi: 10.1007/978-3-030-01264-9_25. KALAYEH M M, BASARAN E, GOKMEN M, et al. Human semantic parsing for person re-identification[C]. The IEEE/CVF Conference on Computer Vision and Pattern Recognition, Salt Lake City, America, 2018: 1062–1071. doi: 10.1109/CVPR.2018.00117. HE Kaiming, ZHANG Xiangyu, REN Shaoqing, et al. Deep residual learning for image recognition[C]. 2016 IEEE Conference on Computer Vision and Pattern Recognition, Las Vegas, America, 2016: 770–778. doi: 10.1109/CVPR.2016.90. FU Jun, LIU Jing, TIAN Haijie, et al. Dual attention network for scene segmentation[C]. The 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition, Long Beach, America, 2019: 3146–3154. GÜLER R A, NEVEROVA N, and KOKKINOS I. DensePose: Dense human pose estimation in the wild[C]. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, Salt Lake City, America, 2018: 7297–7306. doi: 10.1109/CVPR.2018.00762. ZHENG Liang, SHEN Liyue, TIAN Lu, et al. Scalable person re-identification: A benchmark[C]. 2015 IEEE International Conference on Computer Vision, Santiago, Chile, 2015: 1116–1124. doi: 10.1109/ICCV.2015.133. ZHENG Zhedong, ZHENG Liang, and YANG Yi. Unlabeled samples generated by GAN improve the person re-identification baseline in vitro[C]. 2017 IEEE International Conference on Computer Vision, Venice, Italy, 2017: 3754–3762. doi: 10.1109/ICCV.2017.405. ZHENG Zhedong, ZHENG Liang, and YANG Yi. A discriminatively learned CNN embedding for person reidentification[J]. ACM Transactions on Multimedia Computing, Communications, and Applications, 2018, 14(1): 13. doi: 10.1145/3159171 SUN Yifan, ZHENG Liang, DENG Weijian, et al. SVDNet for pedestrian retrieval[C]. 2017 IEEE International Conference on Computer Vision, Venice, Italy, 2017: 3800–3808. doi: 10.1109/ICCV.2017.410. DING Guodong, KHAN S, TANG Zhenmin, et al. Feature mask network for person re-identification[J]. Pattern Recognition Letters, 2020, 137: 91–98. doi: 10.1016/j.patrec.2019.02.015 SARFRAZ M S, SCHUMANN A, EBERLE A, et al. A pose-sensitive embedding for person re-identification with expanded cross neighborhood re-ranking[C]. The IEEE/CVF Conference on Computer Vision and Pattern Recognition, Salt Lake City, America, 2018: 420–429. doi: 10.1109/CVPR.2018.00051. QIAN Xuelin, FU Yanwei, XIANG Tao, et al. Pose-normalized image generation for person re-identification[C]. The 15th European Conference on Computer Vision, Munich, Germany, 2018: 650–667. doi: 10.1007/978-3-030-01240-3_40. ZHONG Zhun, ZHENG Liang, ZHENG Zhedong, et al. CamStyle: A novel data augmentation method for person re-identification[J]. IEEE Transactions on Image Processing, 2019, 28(3): 1176–1190. doi: 10.1109/TIP.2018.2874313 LI Wei, ZHU Xiatian, and GONG Shaogang. Harmonious attention network for person re-identification[C]. The 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, Salt Lake City, America, 2018: 2285–2294. doi: 10.1109/CVPR.2018.00243. 陈鸿昶, 吴彦丞, 李邵梅, 等. 基于行人属性分级识别的行人再识别[J]. 电子与信息学报, 2019, 41(9): 2239–2246. doi: 10.11999/JEIT180740CHEN Hongchang, WU Yancheng, LI Shaomei, et al. Person re-identification based on attribute hierarchy recognition[J]. Journal of Electronics &Information Technology, 2019, 41(9): 2239–2246. doi: 10.11999/JEIT180740 期刊类型引用(1)
1. 王维琼,许豪杰,崔萌,谢琼. 优良布尔函数的混合禁忌搜索算法. 通信学报. 2022(05): 133-143 . 百度学术
其他类型引用(1)
-