1707.Deep Learning for Person Reidentification Using Support Vector Machines 论文笔记

作者文章参考自：

S.-Z. Chen, C.-C. Guo, and J.-H. Lai, “Deep ranking for person re-identifcation via joint representation learning,” IEEETransactions on Image Processing, vol. 25, no. 5, pp. 2353–2367,2016.其顶层采用的是ranking layer，作者采用了其样本对作为一张图片输入的网络架构
Y. Tang, Deep Learning Using Support Vector Machines, CoRR,2013 参考了向量机部分，引入了可微的L2-SVM，并用一个分支代替了两个分支输入。

网络架构如下：

实验在CUHK01和VIPeR上进行，实验效果一般！

训练用的一些技巧：DropOut，BN，Data Augmentation 和初期训练的样本对 Data Balancing，预训练在CUHK02上，在CUHK01和VIPeR上测试时会finetune 预训练模型的最后几层。

其他实验验证：
Superiority of Joint Representation Learning

Superiority of Linear SVM Layer

总结： 文中关于网络层公式的推导和梯度反传推导值得参考。