深度行人重识别的技巧集与强大基线模型

本文探讨了一种简单而高效的人员重识别（ReID）基线方法。近年来，基于深度神经网络的人员重识别（ReID）取得了显著进展并实现了高性能。然而，许多最先进的方法设计了复杂的网络结构，并连接多分支特征。在现有文献中，一些有效的训练技巧仅在少数论文或源代码中简要提及。本文将收集并评估这些在人员重识别（ReID）中有效的训练技巧。通过将这些技巧结合在一起，模型仅使用全局特征便在Market1501数据集上达到了94.5%的首位命中率（rank-1）和85.9%的平均精度均值（mAP）。我们的代码和模型可在https://github.com/michuanhaohao/reid-strong-baseline 获取。