Reid 论文文章

Reid 论文探索

Harmonious Attention Network for Person Re-Identification
着重在空间注意力和通道注意力上，结构设计比较巧妙，通过global和local的两级将特征细化。
参考链接

Pose-guided Visible Part Matching for Occluded Person ReID

它由三个关键组件组成：用于部分特征池化的姿态引导注意（PGA）模型、姿态引导可见性预测器（PVP）和用于为 PVP 训练提供伪标签的特征对应模型。 使用了三个损失函数，包括 Lv、Lm 和 Lc。

主要方式：通过openpose模型进行前期的关键点处理生成 18 个关键点热图 K 和 38 个部分亲和力字段 Lp，在关键点热图的基础上进行遮挡注意判别，有效的对未遮挡部分提供可见的更高的得分权重，减小网络对被遮挡部分的特征探索。
需要增加pose作为引导，虽然作者说实现了端到端，但是前期的处理是必不可少的，对于应用层仍然未能一步到位。

PCB：Beyond Part Models: Person Retrieval with Refined Part Pooling

硬part模式：通过固定分成6个part分块进行提取特征，最后通过softmax进行分类，其中通过Refined part pooling(RPP)注意力机制对每一part的特征进行对齐，最后做相似度处理时合并6个part特征进行计算。
对被遮挡的人形不友好，硬划分方式对整体的特征太过于暴力，即使通过软注意力机制来做内部part对齐，对于正常与遮挡体来说也是很难区分的。

Learning Discriminative Features with Multiple Granularities for Person Re-Identification

云从科技的MGN，类似part特征提取，但是兼容全局与局部特征，对局部特征只使用softmaxLoss，而对全局使用softmaxLoss + triple-loss
参考：https://blog.csdn.net/qidailiming1994/article/details/104578427

Bag of Tricks and A Strong Baseline for Deep Person Re-identification(旷视)
作为旷视巨作，reid的baseline，提供很多有效的训练tricks，对涨点很有效果，backbone使用的是ResNet50，整体模型稍大。

收藏
http://www.404886.com/cms/72550