[行人重识别论文阅读]Meta Batch-Instance Normalization for Generalizable Person Re-Identification

论文地址：https://arxiv.org/abs/2011.14670
论文代码：https://github.com/bismex/MetaBIN.
预备知识：meta-learning[李宏毅老师的讲解笔记]

1 文章思想

BN（batch normalization）：图像增强方法，相对于IN来说是增强了不同域间的差异
IN（ instance normalization）：DG(Domain generation)中常用的方法，用来消除域之间的风格差异

我们可以从描述中看出BN与IN是对立的存在，单独使用BN与IN会分别带来Under-style-normalization以及Over-style-normalization问题如下图所示：

从图中我们看出BN过度分离了domain A 与 domain B ,而IN则使domain A 与 domain B 靠的太近了，但是我们如果能很好的结合BN以及IN，就会很好避免上述的两种问题。这便是我们此篇论文需要讨论的问题，为此此篇论文提出了一个新的方法，我们叫做MetaBIN(Meta Batch-Instance Normalization)。

2 MetaBIN

MetaBIN的核心思想就是利用meta-learning的思想，模拟下图过程

通过对BN与I