2018 IJCAI之ReID：Visible thermal person re-identification via dual-constrained top-ranking

Visible thermal person re-identification via dual-constrained top-ranking

简述：
本文是通过RGBT双重约束对人进行重新识别（Re-Identification），如下图：

跨镜追踪（Person Re-Identification，简称 ReID）技术：
现在计算机视觉研究的热门方向，主要解决跨摄像头跨场景下行人的识别与检索。该技术能够根据行人的穿着、体态、发型等信息认知行人，与人脸识别结合能够适用于更多新的应用场景，将人工智能的认知水平提高到一个新阶段。

问题or相关工作：
现有的RGBT的缺陷：然而，除了由不同的相机光谱引起的交叉模态差异外，可见热单元重识别还会受到不同的相机视角和人体姿态所引起的较大的交叉模态和内模态变化的影响。在下图可以看到，A和a的距离（同一模态内）有可能比A到b的距离（不同模态间）的距离大。

在本文提出的双路径网络，该网络具有一个双方向双约束的顶级损失来学