对行人重识别（RE-ID）问题的初步了解（一）

文章目的

最近导师要求可能要试着搞一个行人重识别的落地项目，先学习一下这方面的基础知识，顺便记录一下自己的思路。

行人重识别的现状

建议像我一样刚刚接触CV领域的小白可以读下郑哲东大佬 关于REID现状的综述

总体来说，目前行人重识别主要还集中于学术界的研究阶段，不像人脸识别已经成为较成熟的技术。

我浏览了一下CVPR近几年有关reid的研究，热度确实是从18,19到20年逐渐上升的。但真正离可以落地的实际应用还差很远，很多大佬都提到了类似行人换一件衣服就无法准确识别的问题。

常用数据集

Market-1501：清华拍摄的数据集

DukeMTMC-reID：杜克大学拍摄的数据集

CUHK03：地铁站拍摄

比较常用的就是这三个数据集，但相比ImageNet这种级别的数据集还是差的比较多。其实数据集不大，可能会导致训练出的结果会比较LOCAL，比如用Market-1501做的工作，放到外国冬季场景下的DukeMTMC-reID结果就会不太好。

但如果针对具体的项目，我觉得这反而不是个问题，我们完全可以选择一些比较local的特征，牺牲一定的鲁棒性来提高模型的能力。

面临的挑战

和其他AI相关的研究相似，如何去除噪声的影响始终是一个热门的方面。我看到了一些组尝试在用3D结构去做，有很多不同的方向解决遮挡问题，这里之后再慢慢补充。

针对自己的项目，其实检测部分直接