博客

文章目录1.概述2. 水平切块2.1 Gate Siamese2.2 AlignedReID2.3 PCB2.4 ICNN2.5 SCPNet2.6 总结3. 姿态信息3.1 PIE3.2 Spindle Net3.3 PDC3.4 GLAD3.5 PABP3.6 总结4. 分割信息5. 网格特征1.概述 全局特征是指每一张行人图片的全局信息进行一个特征抽取，这个全局特征没有任何的空间信息。 噪声区域会对全局特征造成极大的干扰；姿态的不对齐也会是的全局特征无法匹配。 局部特征是指对图像中的某一个区

表征学习和度量学习是行人重识别最基本的两种方法，目前几乎所有的行人重识别算法都是基于表征学习或度量学习进行拓展的。表征学习表征学习的方法没有直接在训练网络的时候考虑图片间的相似度, 而是把行人重识别任务当做分类问题或者验证问题来看待。分类损失分类损失又称ID损失：利用行人的ID作为训练标签来训练模型，每次只需要输入一张图片。（例如market1501有751个类别，那最后一层输出神经元就有751个，损失函数即定义为分类错误率）只有ID损失的网络称为ID Embedding网络（IDE网络）。IDE

文章目录配置环境下载资源调整源码测试运行论文题目：Bag of Tricks and A Strong Baseline for Deep Person Re-identification论文地址 提取码：h6qp配置环境新建一个名为reid的python虚拟环境conda create -n reid python=3.6切换至该虚拟环境下安装pytorch和torchvisionconda install pytorch==1.6.0 torchvision==0.7.0 -c p