行人重识别-1

综述

系统

存在问题 及 指标

评价标准

1. rank-k
   
2. CMC
   
3. mAP
   

学习方法

最终效果（聚类）

外观相似的人会聚类到一起

表征学习 与 度量学习

训练网络需要一个损失函数，表征学习和度量学习就是由损失函数的不同而区分的。
表征学习：通过辅助手段来学习图像的相似度，而不是直接学习。
度量学习：通过网络直接学习出图像的相似度。

1. 表征学习：具有分类损失和验证损失。
   

1.1 分类损失进行训练
1.2 接不同Fc层代表不同的属性以增强训练时的效果。
1.3在测试的时候要把Fc层都丢弃，只用reid特征进行度量相似度
1.4 ？
1.5 总结

2. 度量学习 ？怎么训练

2.1 概述
2.1.1对比损失

2.1.2 三元组损失
传统的三元组损失只考虑到相对距离

改进三元组损失（考虑到了正样本之间的绝对距离）

2.1.3 四元组损失

2.1.4 对比

2.2 难样本挖掘

2.2.1 Triplet loss with hard example mining
TriHard loss实现
2.3 特征空间对比

可以看出表征学习不同ID的距离不好区分，可以算夹角度数当距离，也可以把它映射到一个球面当做距离。
2.4 联合训练

特征

1. 全局特征
   全局特征没有空间信息。
   
2. 局部特征