Person Re-identification 系列论文笔记（四）：Re-ID done right: towards good practices for person re-identification

Re-ID done right: towards good practices for person re-identification

Almazan J, Gajic B, Murray N, et al. Re-ID done right: towards good practices for person re-identification[J]. 2018.

　　这篇总结了一套行之有效的Re-id训练策略和调参经验。创新点不多，但对工程有较好的借鉴意义。

contributions

1.总结了一组关键措施和有效的训练策略，能捕获差异特征
2.利用特征可视化进行论证分析

Good Practices

因素1：back bone

可以使用ResNet，ResNeXt，Inception，Densenet等。
使用pretrained训练性能较好。

因素2：图像分辨率

分辨率较大性能较好，但有瓶颈。

因素3：样本增强

cut-out（在局部添加噪声，类似dropout的操作）能有效增强鲁棒和降低过拟合。

因素4：Hard Triplet Mining

triplet中添加困难样本挖掘，能显著提高性能

 

特征可视化结果：

捕捉到了全局和局部特征