行人重识别年度进展

1. 关键：
   识别和匹配两个人的特征信息和语义结构特点
2. 步骤：
   1.Feature Extractor:CNN
   2.Feature Matching
   基于预先定义的位置，(gloabl，local stripes局部条纹,grid patches网格补丁)
   基于semantic region语义(Person parts, salient regions显著和attention regions)
   
3. stripes方法:有三个方面的工作：
   1.DeepMetric深度测量(把一幅图片强行分成三大块，每一大块做一个SCNN，再将各个部分整合)
   (ICPR 2014 Deepmetric learning for practical person re-identification)
   2.DeepReID(把一个人的结构分成很多小块，一横块分四小块，每一个小块进行操作。这个方法比较直 接，更加细致。缺陷是在识别较为复杂的情况时，或者任何人之间特征区分较差时会受到噪音干扰。)
   (CVPR 2014 DeepReID Deep Filter Pairing Neural Network for Person Re Identification)
   3.AlignedReID对齐(动态规划计算距离，需要动态匹配的过程,匹配水平的pooling和global pooling，再将两部分融合，得到local distance和global distance，再加入hardsample mining。)
   （CVPR 2017 AlignedReID:Surpassing Human-Level Performance in Person Re-Identification）
   代码

grids方法：思路是基于网格，主要有两个工作：
1.IDLA:将两个图片转化匹配，认为在另一个图像的邻域网格总能找到匹配。在难以匹配的情况下，可 以到邻域寻找匹配，所以性能提高很多
(CVPR 2015 An inmproved deep learnng archiecture for person re-identification)
2.DCSL:网络结构转化成一个空间金字塔，在一层匹配不了的情况下，到上一层匹配。
(IJCAI 2016 Semantics-Aware Deep Correspondence Structure Learning for Robust Person Re-identification )
attention方法:借助自然语言和图像语言做特征选择
1.Part-Aligned：部件对齐
将一个人进行匹配时不是所有区域都参与到匹配中，加入attention map，自动发现适合做re-identify的pattern，再做triplet loss，能够在性能上提高7到8个点。
（ICCV 2017 Deeply-Learned Part-Aligned Representations for Person Re-Identification）有代码，简单有效
2.HydraPlus-Net
HPNet很复杂，有多层attention，attention map有多个layer，还有遗忘skip的功能，需要把很多过程整合起来得到一个结果。
模型有进一步的提高，但是在market数据集上比我们的效果差一点。方法越来越复杂，可能在某个数据集上表现越来越好，但是可能泛化能 力越来越差。而我们的模型简单，泛化能力强。
(ICCV 2017 HydraPlus-Net:Attentive Deep Features for Pedestrian Analysis) 有代码
3.HA-CNN
下面这个attention regions learning的方法进一步深化，定义了两种attention，一种是 hard attention，有主干道，一种是soft attention，加入一些分支，然后把soft和hard枝干 融合。最后只放出market数据集的结果，相比HA-CNN提高很多，但没有放出CHUK03的结果，无法重 复实验。
（CVPR 2018 Harmonious Attention Network for Person Re-Identification）

pose方法 1.PDC 将Pose信息嵌入到结构网络中，生成一个modified结构图像，然后对这个结构图像进行识别，效果会有极大提高。 (ICCV 2017 Pose-driven Deep Convolutional Model for Persion Re-identification) 2.PSE PSE引入视角关系，将多视角结构进行整合，最后得到的结果也还不错。 (CVPR 2018 A Pose-Sensitive Embedding for Person Re-Identification with Expanded Cross Neighborhood Re-Ranking)