cv dnn识别动作规范 open_行人重识别综述：A Survey of Open-World Person Re-Id

行人重识别是CV与模式识别领域一个很火的topic。然而现有的大多数工作都是基于封闭世界假设（即test set里的类别可能train set一定有，相反open-world即test set里的类别train set可能没有），在Re-ID领域即查询的用户可能并没有在gallery set中出现过。这篇综述主要是关于open-world model的。
Introduction
行人重识别问题是当下学术界，业界关注度很高的话题。核心的问题是给定一个query person，我们在数据库（gallery：一组图片的集合）中找到与query类似的目标。这些图片都是由不重叠的相机进行拍摄的。由于是跨摄像头的查询，人的体态，衣服，背景，动作都有很大的不同，给这个工作带来了巨大的挑战

在早些年中，ReID往往被看作是跨摄像头追逐的子问题，直到2006年Gheissari才第一次作为单独的topic定义了ReID：对跨摄像头的图片，根据人的视觉特征进行匹配。A. Milestones of Existing Re-ID Studies

2) Feature-Based vs. Metric-Based:
re-ID主要包含了特征提取和距离度量两个部分。传统的工作一般是设计更好，更robust的representation来区分任意摄像头下的行人。但是由于多摄像头下很多元素的变化，设计非常好的特征是非常困难的。基于度量学习的方法使用的是contrastive learning的技术，希望能够minimize 相同用户特征之间的距离，maximize不同用户特征之间的距离。

yearn：Contrastive Self-Supervised Learning​zhuanlan.zhihu.com

3) Hand-Crafted vs. Deeply-Learned:
早期的reid系统，low-level的特征，high-level的语义属性，全局/局部表示都是通过复杂又费时的手工提取。CNN出现之后这个工作就逐渐自动化了，比如使用孪生网络来学习很多的图片特征，所谓的孪生网络其实也是对比学习的方法之一。B. Re-ID in an Open-World Scenario
ReID的任务其实是为群众安全以及保安应用设计的，像在实际的视频监控系统中寻找特定人物的事件和轨迹的视频调查。很多closed-world的reid方法已经超过了人类在数据集上的表现，比如alignedReID：

linolzhang：AlignedReID 论文笔记​zhuanlan.zhihu.com

因此，研究工作必须致力于欠发达但更具挑战性的开放世界任务。在本调查中，我们从狭窄和概括的角度对开放世界的re-ID进行了全面的分析和讨论。1) Open-World Re-ID in a Narrow Perspective:
Closed-set scenario是为了寻找gallery中哪些图片和query是一个人，这是一个查询问题。而open-set scenario关注的问题是一个验证性的问题，即给定一个query，判断他是否出现在gallery中2) Open-World in a Generalized Perspective:

由于工作量、成本、隐私等原因，许多re-ID基准都是基于有限的人数、选择性图像数据和模拟相机设置构建的。这与实际应用中的实际要求相差甚远。一个由特定的实际应用程序驱动的re-ID工作在广义的视角下可以属于开放世界范式（方法驱动的reid任务则不是），即使它不使用术语“开放世界”或“开放集”。
OPEN-SET RE-ID: A NARROW OPEN-WORLD PERSPECTIVE