本論文では、人物再識別（Person Re-ID）のための単純かつ効率的な基準モデルを探究します。深層ニューラルネットワークを用いた人物再識別（Person Re-ID）は、近年大きな進歩を遂げ、高い性能を達成しています。しかし、多くの最先端手法は複雑なネットワーク構造を設計し、多分野特徴量を結合しています。文献においては、いくつかの論文やソースコードで有効な訓練テクニックが簡潔に紹介されています。本論文では、これらの有効な訓練テクニックを収集し、評価することを目指します。これらのテクニックを組み合わせることにより、Market1501データセットにおいてグローバル特徴量のみを使用して94.5%のrank-1精度と85.9%のmAP（mean Average Precision）を達成しました。当該研究のコードとモデルは、https://github.com/michuanhaohao/reid-strong-baseline から入手可能です。