行人重识别

行人重识别

一、什么是行人重识别

• 行人重识别是一个open set问题， 利用特征匹配来测试，而不是利用预测的概率进行分类。所以不需要训练集与测试集的类别相同。
• 对于新的id，我们依旧可以提取他的中层特征，作为这个人的描述（descriptor）来与其他图像匹配，计算相似度。
• 一般采用分类层前面的输出，比如resnet中pool5的结果，而不是类别的预测结果。

二、行人重识别的论文及代码

1、代码(pytorch)

• code1: Person_reID_baseline_pytorch（强烈推荐）
  github star: 727
  运行环境：win10/ubuntu16.03+python3.6+pytorch1.0.0/pytorch0.4.0
  推荐理由：

  • 重识别入门级代码，代码简介清晰，容易实现

  缺点：

  • 只能进行单张图片的识别，如果想识别图像序列，就无能为力了

• code2: deep-person-reid（强烈推荐）
  github star: 842
  推荐理由：

  • 能够用多个数据集同时训练

• code3: Video-Person-ReID(不推荐)
  github star: 136
  运行环境：ubuntu16.04+python2.7+pytorch0.3.1
  推荐理由：

  • 基于视频的重识别

  缺点：

  • pytorch0.3.1只能在linux下运行，需要双系统，重新配置环境，?

2. 论文

3. 数据

4. 参考链接

Awesome-ReID，a collection of ReID-related research with links to codes and papers.