[cv]郑哲东 Deep-ReID——Learn pedestrian representations from

郑哲东 Deep-ReID——Learn pedestrian representations from

一、Multi-task Learning 多任务学习

（1）可以做 Identification 和 Vertification
（2）可以做 Triplet
（3）利用一些 Attribute 特征来辅助我们识别
（4）均是从“语义监督”的层面来鉴别

1.Vertification Loss + Identification Loss

（1）前者解决是否similiar的问题，后者解决who is he 的问题，将两种Loss同时分析
（2）两篇文献

2.Triplet Loss

（1）三个样本同时分析
（2）结果相对比较好

3.Attribute Learning

（1）用一些辅助人物，起到正则网络，令最后的Feature Map更具有语义信息。

二、Part Matching——Syntax 语法分析

（1）视觉领域的语法分析：3D建模、图形学
（2）论述包括：1\2\3\4几种方法

1.Horizontal Split

（1）图像分三部分，分别过三个CNN，最后将特征加到一起，作为最后的特征。
（2）这个方法比较早期
（3）水平切

2.Neighbor Comparison

3.Part Detect + Matching

4.Pedestrian Alignment

5.Detection + ReID

6.Attention Matching

三、Data argumentation

（1）每个人的平均照片并不多，所以有可能发生过拟合问题。
（2）利用更多数据，去实现更多变化，提高鲁棒性。
（3）生成更多的样本

1.Multi-dataset Fusion

2. GAN