Motivation
Failure cases where the discriminative body parts (key parts) are missing.
Contribution
1. horizontal pyramid scales (增強body parts的判別能力)
2. average and max pooling strategies
3. horizontal erasing operation during train (數據增強方法)
Horizontal Pyramid Matching
對feature map進行多尺度的水平切割，得到多個特徵向量。訓練時，基於多個全連接層計算分類損失訓練；測試時將多個特徵向量串接作爲行人表示。
這種方法增強了判別特徵的多樣性，如下圖所示。
Pooling Strategies
爲了減輕平均池化對高判別性部分的響應的削弱問題，將平均池化和最大池化進行相加，從而同時保留全局和局部信息。
Horizontal Random Erasing
參考文獻[2]中提出過一種random erasing方法，即隨機地選擇圖像中一個矩形區域，接着用隨機的值去擦寫區域內的像素。而這裏的Horizontal Random Erasing方法是這樣做的：對於每個batch，通過backbone network得到特徵圖 F 後，隨機選擇某些行並擦寫爲0，以模擬被遮擋的情況，增強模型魯棒性。和文獻[2]對圖像的擦寫不同，這裏的擦寫是針對特徵圖的。
Experiment
References
[1] Fu Y, Wei Y, Zhou Y, et al. Horizontal Pyramid Matching for Person Re-identification[J]. 2018.
[2] Zhong Z, Zheng L, Kang G, et al. Random Erasing Data Augmentation[J]. arXiv preprint arXiv:1708.04896, 2017.