Ce travail explore une méthode de base simple et efficace pour la réidentification de personnes (ReID). La réidentification de personnes (ReID) à l'aide de réseaux neuronaux profonds a connu des progrès significatifs et atteint des performances élevées ces dernières années. Cependant, de nombreuses méthodes d'avant-garde conçoivent des structures de réseau complexes et concatènent des caractéristiques multi-branches. Dans la littérature, certaines techniques d'entraînement efficaces apparaissent brièvement dans plusieurs articles ou codes sources. Ce papier recueillera et évaluera ces techniques d'entraînement efficaces dans le domaine de la réidentification de personnes (ReID). En combinant ces techniques, le modèle atteint un taux de précision au premier rang (rank-1) de 94,5 % et une moyenne du taux de précision moyenne (mAP) de 85,9 % sur Market1501 en utilisant uniquement des caractéristiques globales. Nos codes et modèles sont disponibles à l'adresse suivante : https://github.com/michuanhaohao/reid-strong-baseline.