herr_kun的博客

REID目前是一个较为火热的研究热点，不管是在业界还是在学术界，在工业界实现项目的时候最大的问题就是如何快速设计一个baseline，并且是一个strong baseline，后续可在次基础上进行更改和优化。由于不同的项目，不同的数据有各自的特点，所以这里只是说一种常见的baseline，不一定对所有的项目都是最好的，只是说优化潜力较大。该方案来自 paper: 《 A Strong Baseline and Batch Normalization Neck 》该篇paper虽然是一个学术pape.

文章解读：这两篇文章 A Strong Baseline and Batch Normalization Neck for Deep Person Re-identification Bag of Tricks and A Strong Baseline for Deep Person Re-identification 主体思想是一样的，但是区别在于第一篇文章更为全面，而且还分析backbone改动时的准确率的变化等，第二篇文章里面多的就是一些baseline具体训练策略和数据预处理A St

前言：该博客较为适合刚开始从事REID研究的同学，从头介绍了什么是REID，REID的应用价值是什么，并且介绍了一个Baseline，通过这篇博客你应该对REID有了一个大致的了解，避免了很多的弯路。1、什么是REID？对于行人和车辆重识别可能称之为跨境重识别更容易理解一些，即在不同的镜头下，识别同一个个体，实现某一个个体的再次识别。听起来像是多分类，但是其本质是检索，而不是分类，后续会提到他们之间的区别。2、REID的应用之一就是进行人轨迹的追踪和串联，比如在某个区域通过不同摄像头对同一个人的识.

前言：网上搜索reid map的计算，会出现很多版本的计算方式，有很多中计算方式，但是这么多哪一个是正确的，看了这么多版本该信谁的？所以还是去Google找资料，看paper，下面是我的个人理解，希望能帮到你MAP的计算在目标检测中和图像检索中稍有不同首先说一下 REID的评价标准，常见的有 top-1 top-5 top-10 CMC MAP评价指标，那么为什么要有这么多的评价指标，都是干嘛的，简单来说top-n的指标大家都知道是干嘛的，但是这个指标不能很好的评价模型的好坏，所以这里就提出了另外的.

ReIDReID指Re-identification，常翻译为重识别。ReID任务本身分类很多，本文只讨论基于图片的ReID任务中single-gallery-shot这一最简单的情况。重识别任务可以描述如下：给定一个Gallery集合GGG，包含有NNN张图片，分属MMM个ID(identity)。给定一张未知ID的图片做query(或者叫probe), 计算出下式的结果：max(Similarity(query,gi)),i∈1,2,3,...,N,gi∈Gmax(Similarity(query, g