cvpr 2017 re-id papers_one-shot metric learning for person re-identificat

https://zhuanlan.zhihu.com/p/28749411
https://zhuanlan.zhihu.com/p/29053615

1. Learning Deep Context-Aware Features Over Body and Latent Parts for Person Re-Identification
   作者是中科院的Dangwei Li等。这篇工作是multi-class person identification tasks，主要创新有三点：（1）用空洞卷积（dilated conv）进行多尺度特征提取，减少传统CNN提取特征的信息损失；（2）利用Spatial Transformer Networks (STN，其中作者设置了三个参数限制) 提取可变的body-part，相比较于rigid divid, 能减少背景的影响； （3）将full body特征和parts特征融合，在identification classification 指导下，学习网络参数。

2. Beyond Triplet Loss: A Deep Quadruplet Network for Person Re-Identification
   在传统的三元组中增加一个negative sample, (x,xp,xn1,xn2). 在原始的triplet loss上增加约束d(x,xp)< d(xn1,xn2)

3. Spindle Net: Person Re-identification with Human Body Region Guided Feature Decomposition and Fusion
   code : https://github.com/yokattame/SpindleNet
   香港中文大学的王小刚等的论文。
   本文的创新点：（1）针对disassigned image pair, 作者提出先用Region Proposal Net-work (RPN) 提取7个身体区域：头颈，上身，下身，双胳膊，双腿。
   （2）设计一个基于global + local features的模型 （特征提取网络 FEN）
   （3）特征融合网络（FFN） Tree+max
   

4. Re-Ranking Person Re-Identification With k-Reciprocal Encoding
   （1）定义了k-互惠编码（K-Reciprocal 编码）
   （2）求k-reciprocal 特征
   （3）计算Jaccard距离
   （4）和原始距离融合
   

5. Person Re-Identification in the Wild
   code:https://github.com/liangzheng06/PRW-baseline
   考虑不同的检测算法对re-id性能的影响。详细总结可参考博客：http://blog.csdn.net/he_is_all/article/details/61928958

6. Scalable Person Re-identification on Supervised Smoothed Manifold
   华科白翔老师实验室的paper. 提出mandifold-based affinity learing for re-id。该方法能够：（1）利用pairwise约束（2）可以用大大数据集上（3）可作为其他方面的后处理阶段。
   方法很好，但是实在是看不懂。。。。。。。

7. One-Shot Metric Learning for Person Re-identification
   传统方法。作者提出将纹理和颜色分开学习距离测量。
   （1）用灰度图像输入到DCNN，得到纹理特征
   （2）设置针对re-id的色卡，仅用一对图像得到测量。不懂。
   效果一般。。。

8. Point to Set Similarity Based Deep Feature Learning
   for Person Re-identification
   西安交大的Sanping Zhou等
   （1）提出一个point to set的 Similarity 测量方法。
   （2）基于身体部分的网络架构。
   
   
   
   

8. Fast Person Re-identification via Cross-camera Semantic Binary Transformation.
Hash 函数学习
9. See the Forest for the Trees: Joint Spatial and Temporal Recurrent Neural Networks for Video-Based Person Re-Identification
10. Consistent-Aware Deep Learning for Person Re-Identification in a Camera Network
本文研究camera network based person re-id, 针对多camera中识别的一些不一致问题，提出一致性的深度学习。