L1uminous的博客

软标签是指在训练过程中，每个图像可以有多个可能的类别标签。软标签可以表示图像与多个身份之间的相似度或相关性。软标签可以通过计算图像之间的相似度或使用其他方法来生成。在无监督学习或半监督学习中，软标签常常用于表示图像之间的相似性关系。硬标签是指在训练过程中，每个图像只有一个确定的类别标签。总结起来，硬标签是指每个图像只有一个确定的类别标签，而软标签是指每个图像可以有多个可能的类别标签，用于表示图像之间的相似度或相关性。硬标签和软标签是在ReID（行人再识别）中用于表示图像的标签的两种不同形式。

给定一个感兴趣的行人（query）和一个图像库，我们用当前已经学习好的ReID模型来抽取特征表示，一个检索命中列表可以通过计算query到gallery的相似度来获得。用当前标注的行人图片和视频训练一个判别式的鲁棒的ReID模型。广泛的模型被开发出来处理各种各样的挑战，主要集中在表征学习、度量学习，或者他们的结合。由于较大的跨摄像头的变化，鉴别性ReID模型学习通常离不开数据的标注。这些摄像头通常被安装在变化环境中的不同的位置。很可能，这些原始数据包含了大量的复杂的并且带有噪音的杂乱背景。

ReID数据集

一句话就是说，跨多个不重叠监控设备检索特定的行人。是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，指通过穿着、体态、发型等在不确定的场景中能够再次识别是同一个人，并以此描绘出个体行进轨迹的AI视觉技术，简而言之，就是通过计算机视觉技术检索不同摄像头下的同一个目标人物。举例：首先拿到原始监控视频，然后对行人进行检测（使用行人检测算法），检测出来，我们就会得到一系列的bounding_boxes，每个人物框都是一张人物图片，可以认为这就组成了一个非常大的图库，