alignedReID: surpassing human-level performance in person re-identification (paper reading)

关键点:

1)对齐 (8%)

2)mutual learning (3%)

3)classification loss, hard triplet同时

4)re-ranking (5~6%)

关于对齐:

作者在resnet pool5 7*7那里,分两路,pool成7*1,1*1。对于7*1,进一步pairs对齐,(用动态规划),形成N*N距离矩阵。两个矩阵矩阵,其中对于动态规划,用最短路径来描述。

这两个矩阵只用于hard triplet

关于测试:

由于训练时利用了“pairs”的relationship,而不是absolute,这在测试时将会非常麻烦;所以,测试时直接忽略到pairs,只提取global特征。值得思考原因!

上一篇:测者的测试技术手册:智能化测试框架EvoSuite的一个坑以及填坑方法


下一篇:Java三大特征之多态(三)