Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in vitro 论文阅读

这篇是Liang Zheng团队发表在CVPR2017上的关于利用生成对抗网络产生的无类标样本去提高行人重识别baseline的方法。论文链接：https://arxiv.org/abs/1701.07717

源码作者也开源了：https://github.com/layumi/Person-reID_GAN

基于三个motivation，首先是作者认为当时reID的数据集由于需要人工地进行bounding box的绘制和ID的标定，是一种比较高成本的数据采集，所以想到通过GAN来快速地生成更多的reID训练数据。第二个是论文当时的GAN的发展已相对成熟，但将GAN生成数据和图像子啊reID领域的应用暂时还没有。可见知乎https://www.zhihu.com/question/53001881?from=profile_question_card。第三个是针对GAN生成的数据进行分类的问题。因为GAN生成的都是无类标的样本，如何将他们利用到实际训练中来是一个比较有意义的问题，论文在后面会比较到几种方法。

针对