딥 퍼슨 리아이덴티피케이션을 위한 트릭의 집합과 강력한 베이스라인

본 논문은 사람 재식별(ReID)을 위한 간단하고 효율적인 기준선 모델을 탐구합니다. 최근 몇 년 동안 딥 뉴럴 네트워크를 이용한 사람 재식별(ReID)이 발전하여 높은 성능을 달성하였습니다. 그러나 많은 최신 방법들은 복잡한 네트워크 구조와 다중 분기 특성을 결합하는 설계를 사용하고 있습니다. 문헌에서는 이러한 효과적인 학습 기법들이 몇몇 논문이나 소스 코드에서 간략하게 소개되고 있습니다. 본 논문은 사람 재식별(ReID)에서 이러한 효과적인 학습 기법들을 수집하고 평가합니다. 이들 기법을 결합함으로써, 전역 특성만을 사용하여 Market1501 데이터셋에서 94.5%의 1위 정확도(Rank-1 Accuracy)와 85.9%의 평균 정밀도(mAP)를 달성하였습니다. 우리의 코드와 모델은 https://github.com/michuanhaohao/reid-strong-baseline 에서 확인할 수 있습니다.