本文分享自华为云社区《【云驻共创】美文赏析：大佬对变分蒸馏的跨模态行人重识别的工作》，作者：启明。

转载自知乎Oral:JointDiscriminativeandGenerativeLearningforPersonRe-identification.ZhedongZheng;XiaodongYang;ZhidingYu;LiangZheng;YiYang;JanKautz.https://arxiv.org/abs/1904.07223UnsupervisedPersonRe-identif

但人脸识别已经非常成熟了，现在让我们介绍下下个方向：行人重识别【嵌牛鼻子】:行人重识别应用，人脸识别，区别，用途，解决方案【嵌牛提问】:行人重识别如何识

论文地址Abstract现在行人重识别（PersonReID）越来越火，一个比较大的挑战是首先跨摄像头目标重识别，其次是每一个行人patch中背景复杂、人体姿态不一和遮挡等情况增加了特征提取并学习的难度

重识别技术实现3.1数据集3.2行人检测3.2PersonREID3.2.1算法原理3.2.2算法流程图4实现效果5部分代码6最后获取完整项目源码0前言今天学长向大家介绍一个深度学习相关的毕业设计，基于深度学习的行人重识别

Fast-Reid系列文章目录文章目录Fast-Reid系列文章目录前言一、yolov5+deepsort2.行人计数二、Reid提取特征总结前言上一篇fast-reid训练使用Fast-Reid框架训练了自己应用场景下的模型，训练策越为融合了大量开源reid数据集在加上自己的数据一起训练总共30W+的数据。代码已开源：Yolov5-Deepsort-Fastreidyolov5-deepsort

作者信息：论文链接：https://arxiv.org/abs/2002.0504601前言行人重识别（personre-id,personre-identification）考虑的是一个跨摄像

作者信息：论文链接：https://arxiv.org/abs/2002.0504601前言行人重识别（personre-id,personre-identification）考虑的是一个跨摄像

BUC《ABottom-upClusteringApproachtoUnsupervisedPersonRe-identification》2019AAAIBUC是一种自底向上聚类方法（bottom-upclustering）来联合优化CNN和无标签样本间的关系。最开始把每张行人图像作为单独的一类，来最大化每类的diversity，然后逐渐把相似的类合并为同一类，来提升每类的similarity。

点击下载——深度学习-行人重识别实战(2020)提取码:gmtp行人重识别课程主要包括三大核心模块：一、2020经典算法(论文)详细解读；二、项目源码分析；三、实战应用；通俗讲解CVPR等会议最新行人重识别方向算法及其实现

——东方旅行者更多行人重识别文章移步我的专栏：行人重识别专栏本文目录局部对齐最小距离算法一、局部对齐最小距离算法作用二、局部对齐最小距离算法编写思路三、代码局部对齐最小距离算法一、局部对齐最小距离算法作用本文件用于定义局部对齐最小距离算法

来源：ICCV2019代码：https://github.com/KaiyangZhou/deep-person-reidimage.pngIntroductioninstance-level行人重识别面临两个主要挑战

image.png来源：arXiv:2001.04193v1摘要行人重识别任务的目标是希望在多个不具有重叠区域的摄像场景中实现行人的检索。

UnsupervisedCross-datasetPersonRe-identificationbyTransferLearningofSpatial-TemporalPatterns论文可以在arxiv下载，老师一作，本人二作，也是我们实验室第一篇CCFA类论文，这个方法我们称为TFusion。代码：ahangchen/TFusiongithub.com解决的目标是跨数据集的PersonReid

行人重识别阅读笔记之UnityStyleTransferforPersonRe-Identification摘要主要问题CamStyle的不足UnityGAN论文贡献模型UnityGANUnityStyleDeepRe-IDModelPipelineTrainingTesting

我目前攻读工科硕士，所研究大方向基于计算机视觉（CV），主要研究课题为“行人重识别”，该方向广泛引用于智能安防、犯罪

闻人翊悬1.自动化学报:多源数据行人重识别研究综述IJCAI20:BeyondIntra-modality:ASurveyofHeterogeneousPersonRe-identificationMM18

多标签分类问题SVM、决策树优缺点，非线性回归用什么方法，L1、L2正则化区别链表归并快排LeetCode148——排序链表反转链表LeetCode206——反转链表实习时间，想做什么项目，检测、分割、行人重识别骰子掷出

接下来，我会为大家无死角的解析fast-reid(BoT-行人重识别)，之前的文章，如下(以下是我工作的所有项目，每一个项目都是，我都做了百分百的详细解读，随着项目增多，为了方便不臃肿，所以给出以下链接

行人重识别简介：  首先拿到原始的视频，从对视频中的行人进行检测，将行人图片裁剪出来，得到一系列的行人图片(图中的gallery)，对于任意一张想要检索的图片，比如图中的Cam1，假设Cam1中的行人标号为

ReID？ReID是图像检索的子任务，它主要的目的是：利用计算机视觉技术对特定行人进行跨视域匹配和检索。所谓跨视域即是图片来自于不同的摄像头，这样可以用于智能视频监控（如无人超市）、刑侦（追捕嫌疑人）、交管（追踪车辆等）等等应用场景。如上图，需要检索到同一个人（查询图像query）在各个摄像头下图片集（候选行人库gallery）的相关图片。困难点困难点主要在于ReID任务的跨视域特性有：摄像头分辨

By超神经内容提要：行人重识别技术，广泛应用于智慧城市、自动驾驶等场景中，近年取得飞速发展。这也得益于训练数据规模的扩大、深度学习的发展。

毕设在跑KaiyangZhou的深度行人重识别程序，该程序给多种深度网络和lossfunction提供了一个接口，可以轻松使用各种组合实现行人重识别在test中，我在命令行输入：pythontrain_img_model_xent.py-dmarket1501

话回正题，记录一下基于传统方法的小规模行人重识别系统的开发案例。整个案例在Linux系统中搭建，利用QT开发框架，图像模块使用opencv，数据库采用MySQL。

行人重识别近几年获得了在测试结果上的大幅提升，甚至超过了人的分辨能力，但是我们在实际应用上仍有很多待解决的问题。

论文题目：University-1652:AMulti-viewMulti-sourceBenchmarkforDrone-basedGeo-localization论文地址：https://arxiv.org/abs/2002.12186代码地址：https://github.com/layumi/University1652-Baseline数据集下载：填写Request发送到Zhedong.

动机：依旧是一篇基于attention的论文，不得不说现在market数据集上top10基本被attention霸榜了。这篇文章的出发点和SONA很类似，作者分析目前attention的操作都太过于粗糙，例如spatialattention和channelattention，需要高阶的操作以获取更多local之间的关系。创新：乍一看first-order和channelattention基本一致，

“UnsupervisedPersonRe-identification:ClusteringandFine-tuning”,HeheFan,LiangZheng,YiYang,arXiv:1705.10444[code]Keras+tensorflow“APose-SensitiveEmbeddingforPersonRe-IdentificationwithExpandedCrossNeigh

python安装选择3.6版本下载地址：https://www.python.org/downloads/参考：https://blog.csdn.net/a1173356881/article/details/82525960pip配置忘记了有一个警告，版本过高。anaconda安装记得安装python3.6版本参考：https://www.bilibili.com/video/av742810

参考：https://github.com/layumi/Person_reID_baseline_pytorch/tree/master/tutorial1、环境的安装系统的基础环境：ubantu16.04CUDA9.0+Cudnn7.4.2Python3.7.4Anaconda3创建虚拟环境condacreate-nre_idpython=3.7.4sourceactivatere_id安装P

标签：行人重识别数据集前沿技术[摘要]行人重识别技术，广泛应用于智慧城市、自动驾驶等场景中，近年取得飞速发展。这也得益于训练数据规模的扩大、深度学习的发展。

JointDiscriminativeandGenerativeLearningforPersonRe-identificationarXiv:1904.07223v2[cs.CV]22May2019行人重识别的联合判别与生成学习

研究问题现有的方法中，将GAN应用到行人重识别任务中时，大多数都是将生成与检测相分离开，没有融合到一起来进行实验，本文设计了一种联合学习框架将行人重识别学习与数据生成端到端的结合在一起。

By超神经内容提要：行人重识别技术，广泛应用于智慧城市、自动驾驶等场景中，近年取得飞速发展。这也得益于训练数据规模的扩大、深度学习的发展。

行人重识别（personre-identification）是近几年智能视频分析领域兴起的一项新技术，属于在复杂视频环境下的图像处理和分析范畴，是许多监控和安防应用中的主要任务，并且在计算机视觉领域获得了越来越多的关注

行人重识别之网络设计Interaction-and-AggregationNetworkforPersonRe-identification原文链接许久没有看过在网络结构上进行设计的行人重识别文章，这篇文章针对行人重识别图像空间位置不匹配的问题设计了

而这得益于近年行人重识别技术的飞速发展。

行人重识别(PersonRe-identification)是一个图像检索问题，给定一组图片集(probe)，对于probe中的每张图片，从候选图片集（gallery）中找到最可能属于同一个行人的图片。

以下链接是个人关于fast-reid(BoT行人重识别)所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！

论文题目：VehicleRe-IdentificationbyDeepFeatureFusionBasedonJointBayesianCriterion（ICPR）Abstract：车辆重识别不同于行人重识别

《Bagoftricksandastrongbaselinefordeeppersonre-identification》原文论文链接：https://arxiv.org/pdf/1903.07071.pdf代码链接：https://github.com/michuanhaohao/reid-strong-baseline摘要：Thispaperexploresasimpleandefficien

一、介绍在这篇文章发表在AAAI2019上，解决的是全监督的视频行人重识别问题。

摘要本文意在研究一个简单有效的行人重识别（ReID）baseline。近些年来基于深度学习的ReID取得了不错的进展，取得高光的表现。

【ReID】首届“全国人工智能大赛”（行人重识别PersonReID赛项）Arron_hou2020-04-1500:27:05401收藏2原力计划分类专栏：ReID深度学习最后发布：2020-04-1500

背景：在调一个行人重识别的程序，接到任务，给了一个新的数据集ALERT，这个数据集的数据安排的方式和图片文件的命名形式跟传统的主流的数据集如market和DukeMTMCreid的形式不一样。

交叉视角行人重识别的多通道核典型相关分析ACMTransactionsonMultimediaComputing,Communications,andApplications(TOMM)2017年5月5

本文转载自腾讯优图。近日，计算机视觉方向的三大国际顶级会议之一的ECCV2020公布论文获奖结果。本次ECCV2020有效投稿5025篇，最终被接受发表论文1361篇，录取率为27%，较上届有所下降。其中，oral的论文数为104篇，占提交总量的2%；spotlight的数目为161篇，占提交总量的5%；其余论文均为poster。ECCV（EuropeanConferenceonComputerV

而行人重识别（Personre-identification）也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。

它广泛地应用在动画、游戏、运动捕捉系统和行为理解中，也可以做为其他算法的辅助环节（行人重识别），并

基于深度学习的行人重识别研究综述基于表征学习的ReID方法基于度量学习的ReID方法对比损失（Constrastiveloss）三元组损失(Tripletloss)四元组损失(Quadrupletloss