Deep Transfer Learning for Person Re-identification 简单记录

推荐：【行人识别】Deep Transfer Learning for Person Re-identification
行人重识别数据集标注代价大，且数据集不够，但迁移学习在ReID中表现不佳。
贡献
1。GoogleNet 特征提取，分类与鉴别网络
分类网络（将每个身份视为一个类，每个特征分别输入分类网络输出对应身份）dropout对两个特征采用随机方法，鉴别网络（两个特征输入孪生网络判别是否为同一身份）对特征使用相同的dropout，对两个特征相同位置0，防止dropout影响鉴别。
2。分步微调
第一步 在目标集上训练

固定其他参数，只训练softmax层
训练所有层参数

3。无监督方法利用未标注数据
co-training。

设计两个具有互补性质的模型；
用模型1的结果，标定所有数据；
用当前数据训练模型2
用模型2的结果，标定所有数据；
训练模型1
重复上述过程2至所有未标注数据耗尽