Bag of Tricks and A Strong Baseline for Deep Person Re-identification（论文阅读笔记）（2019CVPR）

一.论文介绍

        本文是CVPR2019报告的文章，主要是将对reid有效的方法和技巧进行收集和评价。该模型仅使用了全局特征（global feature）。

二.论文的目的与贡献

(一)目的

        本文目的为reid提供baseline，使其他研究人员了解reid，例如：如何评判，有什么技巧等。为reid提供了一个标准，使得后续的发展更加规范。

(二)贡献

         1) 我们为ReID收集了一些有效的训练技巧。其中，我们设计了一种新的neck结构，称为BNNeck。此外，我们还对两个广泛使用的数据集评估了每个技巧的改进。
         2)  我们提供了一个强大的ReID baseline，在Market1501上实现了94.5%和85.9%的mAP。值得注意的是，这些结果是用ResNet50 backbone提供的全局特性得到的。据我们所知，这是全局特征亲自获得的最佳性能。
         3）作为补充，我们评估了图像size和batch size（批量）数量对ReID模型性能的影响。

三.标准baseline

        我们遵循广泛使用的开放源码作为我们的标准baseline。标准baseline的backbone（基础网络）为ResNet50[5]。在训练阶段，pipeline（步骤集合）包括以下步骤：

1，我们在ImageNet上初始化带有预训练参数的ResNet50，并将全连接层的维度更改为N, N表示训练数据集中的行人身份数。

2，我们随机抽取每个人的P个身份和K个图像作为训练样本。最后batch-size B = P*K。本文设P = 16, K = 4。注：P个ID，每个ID四张图片

3，我们将每个图像的大小调整为256 *128像素，并将调整后的图像填充10个像素，填充值为0。然后随机裁剪成256 *128的矩形图像。

4，每幅图像水平翻转的概率为0.5。

5，每个图像被解码成32位浮点原始像素值在[0,1]。然后分别减去0.485、0.456、0.406，再除以0.229、0.224、0.225，对RGB通道进行归一化。注：这里的解码成32位浮点在[0,1]的意思是除以255，进行一个压缩而不是概率论中的标准化。而后面的RGB通道进行归一化才是进行理解中的正态分布标准化。

6，该模型输出ReID特征为 f 和 ID 预测 logits p。

注：这句话的意思是，模型的输出包含两部分：ReID特征（记作f）和ID预测的logits（记作p）。

ReID特征（Re-Identification features）是模型从输入图像中提取的特征，这些特征被用来区分不同的个体。在人脸识别或者行人重识别等任务中，ReID特征通常会被用来计算两个图像之间的相似度，以判断它们是否属于同一个个体。

ID预测的logits是模型对每个可能的身份的预测得分。在分类任务中，这些得分通常会被送入一个softmax函数，得到每个身份的预测概率。在训练阶段，这些预测概率会被用来计算损失函数，以指导模型的优化。

所以，这句话的意思是，模型的输出既包含了用于区分个体的ReID特征，也包含了用于预测身份的logits。

举个例子：

假设我们的数据集中有1000个不同的人，那么ID预测的logits就会是一个长度为1000的向量。每个元素代表模型预测图像属于对应身份的得分。例如，如果logits是[0.1, -0.2, 0.3, ..., 0.2]，那么模型预测图像属于第一个身份的得分是0.1，属于第二个身份的得分是-0.2，以此类推。

ReID特征则是一个更高维度的向量，它包含了模型从图像中提取出的特征。这些特征被用来区分不同的个体。例如，ReID特征可能包含了人脸的形状、眼睛的颜色等信息。具体的维度和内容取决于模型的设计