2020 TIFS-ReID:Bi-Directional Center-Constrained Top-Ranking for Visible Thermal Person Re-Identific

Bi-Directional Center-Constrained Top-Ranking for Visible Thermal Person Re-Identification
本文发表于2020 TIPS，是Visible thermal person re-identification via dual-constrained top-ranking的改进版本。

当前的问题及概述：
Motivation与Visible thermal person re-identification via dual-constrained top-ranking基本相似，指出除了由于相机规格的不同而造成的跨模态差异外，由于不同的相机环境和人体姿态等原因，使得VT-REID还存在着较大的跨模态和模内变化。
本文提出了一种新的具有双向双重约束网络来学习判别特征。它的特点有两个方面:1)端到端学习没有额外的度量学习步骤2)双约束同时处理跨模态和模态内的变化，保证特征的可识别性。3)提出了一种基于双向中心约束的top-ranking (eBDTR)算法，该算法将前两个约束条件转化为一个公式，同时保留了处理跨模态和模态内变化的特性。
模型及loss：

1.文章的框架同Visible thermal person re-identification via dual-constrained top-ranking一致，具体不过多赘述。Loss部分：
1)Ranking Loss Revisit：