实验代做 行人识别_行人重识别：Baseline and Tricks

声明：本篇文章首发于微信公众号：极市平台（微信号：extrememart）

原文链接：

行人重识别算法优化技巧：Bags of Tricks and A Strong Baseline​mp.weixin.qq.com

本文主要收集并介绍行人重识别（Person ReID）算法中的一些训练技巧，随着深度卷积神经网络的不断改进，行人重识别领域也有了很大的进步，但大多数的SOTA的算法都是设计了很复杂的网络结构和融合了多支路的特征。作者首先设计了一个强力的baseline, 然后尝试使用一个简单的全局特征，并融合了很多有效的训练技巧，使得模型在Market1501数据集上达到了94.5% rank-1以及85.9% mAP。

论文链接：

Bag of Tricks and A Strong Baseline for Deep Person Re-identification​arxiv.org

开源代码：

michuanhaohao/reid-strong-baseline​github.com

首先作者在Maket1501数据集上对比了ECCV2018和CVPR2018的一些baseline的性能，并与自己提出的baseline作对比，这些baseline大部分都是通过一些训练技巧来提升的，由于在论文中轻描淡写易被忽视，因此作者也建议评价一篇学术论文一定要把训练技巧考虑在内，这样才会更加客观。

Standard Baseline