pdf:
code:https://github.com/KaiyangZhou/deep-person-reid
Abstract:
As an instance-level recognition problem, person re-identification (re-ID) relies on discriminative features, which not only capture different spatial scales but also encapsulate an arbitrary combination of multiple scales.
Re-ID是一个示例级识别问题，它依赖于判别特征，这些特征不仅捕捉不同的空间尺度，还封装了多个尺度的任意组合。
We call features of both homogeneous and heterogeneous scales omni-scale features.
本文将均质和非均质尺度的特征称为omni-scale feature.(omni 全方位）。
本文设计一个新的re-ID网络，来捕获全方位特征，称该网络为OSNet。
模型在六个Re-ID数据集，Re-ID属性数据集，Cifa100，ImageNet上都表现出良好特性。
网络架构
（1）为了减少参数，设计一个Lite 3X3，如下图(b)所示。
pointwise → depthwise instead of depthwise → pointwise
先使用了1x1的pointwise卷积，然后3x3 depth-wise卷积，作者说这样在re-Id上表现出更好的性能。
（2）Omni-Scale Residual Block
称图（b)为bottleneck.
(3)网络基本结构