综述6 | 跨域的行人重识别问题

1. Domain Adaptation 问题

单域（single-domain）的行人重识别（ReID）近来已经取得了巨大的进展，但是在跨域（cross domain，或者迁移 transfer）问题上却存在很大的困难。

主要体现在直接把训好的模型用在目标域（target domain）测试，性能有巨大的下降。例如目前在Market1501上Top1最高可以达到95%以上的模型，直接用于非同源任务，如DukeMTMC-reid，Top1往往不到40%

这在机器学习领域普遍存在。而考虑到ReID领域相对较小的数据集和较单一的场景，这个问题就格外严重了。

2. cross-domain reid

训练集来自于source domain，而测试集来自target domain，两个数据集之间通常存在显著的域间间隔domain gap。例如，

• 公开数据集Market-1501采集在夏天国内校园，行人多着短袖、色彩也相对鲜明；
• 而DukeMTMC-reID采集于冬季国外校园，行人多着厚重冬装、色彩也相对暗沉。

这种显著的着装风格差异塑造了两个数据集之间的domain gap，并降低模型在这两个数据集之间跨域使用的准确率，对模型的泛化能力提出了很高的要求。

3. 当前的解决方法

• source domain向target domain风格迁移。该方案直截了当，希望能够把训练样本（sour