Tricks-Sammlung und eine starke Baseline für die tiefen Person-Wiedererkennung

Dieses Papier untersucht eine einfache und effiziente Baseline für die Personen-Wiedererkennung (Person Re-Identification, ReID). Die Personen-Wiedererkennung mit tiefen neuronalen Netzen hat in den letzten Jahren Fortschritte gemacht und hohe Leistungen erzielt. Viele der neuesten Methoden entwerfen jedoch komplexe Netzstruktur und verketten mehrere Zweigfeatures. In der Literatur tauchen einige effektive Trainingsmethoden nur kurz in einigen Arbeiten oder Quellcodes auf. Dieses Papier wird diese effektiven Trainingsmethoden bei der Personen-Wiedererkennung sammeln und evaluieren. Durch die Kombination dieser Methoden erreicht das Modell auf Market1501 mit ausschließlich globalen Features einen Rang-1-Accuracy von 94,5 % und ein mittleres Average Precision (mAP) von 85,9 %. Unsere Codes und Modelle sind unter https://github.com/michuanhaohao/reid-strong-baseline verfügbar.