大白话解读行人重识别-ReID之DG-Net

综述参考：
from:ReID综述(上）https://www.leiphone.com/news/201712/4Mvj2NBIxCN5bQZI.html
from：ReID综述（下）https://www.leiphone.com/news/201712/JdVuO1BWAIrkPSyx.html

一.DG-Net

源码

1. 摘要和简介

利用生成数据去改进行人ReID：使用一种联合学习框架，即端到端的成对重识别，简单的说，就是把数据生成和行人重识别统一到一个框架中。

• 十分需要注意的是appearance code也即ai是不仅仅包含衣服信息的也是包含身份信息的，可以根据衣服判别，但是同时需要头发，脸等细节信息完全确定。

2. 生成单元

生成单元包括一个外观编码器Ea，一个结构编码器Es，一个解码器G以及一个判别器D来区分真实图片和生成图片。
具体如图所示：

与appearance code ai相比，struct code sj保持了更高的空间分辨率，以保持几何和位置特性。然而，这可能导致解码器G在图像生成中只使用sj而忽略ai的简单解决方案，因为解码器倾向于依赖具有更多空间信息的特征。在实际应用中，我们将Es的输入图像转换成灰度，从而驱动G同时利用ai和sj。我们对生成模块实施了两个目标：（1）同一身份生成 使生成器正则化；（大白话：两张同一个人的照片合成该人照片，这里面包含了一张该人照片在分离成ai 和si后依旧能够在利用这个恢复成原照片）（2）交叉身份生成使生成的图像可控并匹配真实数据（大