点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

arXiv 新出论文 Deep Learning for Person Re-identification: A Survey and Outlook，作者调查了245篇近两三年的行人重识别(Person Re-identification)论文，分类为封闭世界ReID与开放世界ReID，综述了该方向的技术进展，对未来ReID技术发展给出了几个有价值的方向，是近期最值得读的ReID综述。

该文作者信息：

该文作者来自起源人工智能研究院(IIAI)、北理工、英国萨里大学、Salesforce亚洲研究院。

下图为作者总结的ReID技术的五大步骤：

1)数据收集；

2)包围框生成；

3)训练数据标注；

4)模型训练；

5)行人检索

作者将ReID技术分为Closed-world 和Open-world 两大子集：

可见，在是否是异质数据、标注是否完备、是否含有噪声等方面，开放世界ReID更接近实际应用。

Closed-world ReID技术

1)特征表示学习方法：

2)度量学习中的损失函数设计：

另外在训练策略上要考虑样本不平衡的数据采样。

3)重排序优化：

封闭世界ReID中常用的数据集统计：

基于图像的ReID方法在四大数据集上的SOTA方法精度可视化：

基于视频的ReID方法在四大数据集上的SOTA方法精度可视化：

文中方法简称请参阅原论文。

Open world ReID方法

1)异质数据ReID

基于深度ReID；

文本到图像ReID；

可见光到红外ReID；

跨分辨率ReID；

2)端到端ReID

纯图像/视频的ReID；

多摄像头跟踪的ReID；

3)半监督和无监督的ReID

其中无监督ReID SOTA方法统计：

4)噪声鲁棒ReID

5)开放集合ReID

展望

作者提出了新的衡量ReID算法好坏新的评价标准mINP：

在SOTA算法BagTricks基础上提出了AWG方法：

AGW方法在几大数据集上均取得了大幅的精度提升：

AGW方法非常值得参考，作者期待其能成为未来ReID研究的强大基线，代码将开源。

论文地址：

https://arxiv.org/abs/2001.04193v1

AGW开源地址：

https://github.com/mangye16/ReID-Survey

(目前还未开源)

交流群

欢迎加入公众号读者群一起和同行交流，目前覆盖SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、Re-id、强化学习、模型压缩剪枝、医学影像、GAN、算法竞赛等微信群，请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

投稿、合作也欢迎联系：simiter@126.com

长按关注计算机视觉life

推荐阅读

计算机视觉方向简介 | 从全景图恢复三维结构

计算机视觉方向简介 | 阵列相机立体全景拼接

计算机视觉方向简介 | 单目微运动生成深度图

计算机视觉方向简介 | 深度相机室内实时稠密三维重建

计算机视觉方向简介 | 深度图补全

计算机视觉方向简介 | 人体骨骼关键点检测综述

计算机视觉方向简介 | 人脸识别中的活体检测算法综述

计算机视觉方向简介 | 目标检测最新进展总结与展望

计算机视觉方向简介 | 唇语识别技术

计算机视觉方向简介 | 三维深度学习中的目标分类与语义分割

计算机视觉方向简介 | 基于单目视觉的三维重建算法

计算机视觉方向简介 | 用深度学习进行表格提取

计算机视觉方向简介 | 立体匹配技术简介

计算机视觉方向简介 | 人脸表情识别

计算机视觉方向简介 | 人脸颜值打分

计算机视觉方向简介 | 深度学习自动构图

计算机视觉方向简介 | 基于RGB-D的3D目标检测

计算机视觉方向简介 | 人体姿态估计

计算机视觉方向简介 | 三维重建技术概述

计算机视觉方向简介 | 视觉惯性里程计(VIO)

计算机视觉方向简介 | 多目标跟踪算法(附源码)

计算机视觉方向简介 | 基于自然语言的跨模态行人re-id的SOTA方法(上)

计算机视觉方向简介 | 图像拼接

计算机视觉方向简介 | 深度学习3D重建

计算机视觉方向简介 | 机器视觉检测技术

计算机视觉方向简介 | 基于深度学习的特征提取和匹配

计算机视觉方向简介 | 多视角立体视觉MVS

计算机视觉方向简介 | 手机产品条码检测方案

计算机视觉方向简介 | 智能手机中的3D ToF技术

计算机视觉方向简介 | 深度学习视觉三维重建

计算机视觉方向简介 | 自动驾驶中的车道线跟踪技术

目标检测技术二十年综述

最全综述 | 医学图像处理

最全综述 | 图像分割算法

最全综述 | 图像目标检测

综述 | 视频分割在移动端的算法进展

综述 | 语义分割经典网络及轻量化模型盘点

综述 | 机器视觉表面缺陷检测

综述 | 基于深度学习的目标检测算法

基于深度学习的多传感器标定

Graph Neural Networks 综述

关于GANs在医学图像领域应用的总结

计算机视觉中，目前有哪些经典的目标跟踪算法？

激光雷达深度补全

人体姿态估计的过去、现在和未来

2019最全目标检测指南

基于深度学习的超分辨率图像技术一览

一文详解自监督学习

一文读懂图卷积GCN

一篇适合新手的深度学习综述

最新AI干货，我在看