A Pose-Sensitive Embedding for Person Re-Identification with Expanded Cross Neighborhood Re-Ranking

兩點值得關注：
①解決視角多變
粗略姿勢+精細姿勢結合的方法
粗魯姿勢即通過相機視角捕獲的幾種情況進行分析，分正面、背面、側面三種類別，加一個softmax做分類，用作視角預測。這算是對預測ID提供一個粗略的幫助。
精細姿勢就是熟知的骨架關鍵點，利用人體的關節信息去做一個精細的判斷。這裏提到用的是Deepcut模型提取關節點信息，值得一看。【Deepercut: A deeper, stronger, and faster multiperson pose estimation model，2016】
②一種重排序方法
與之前ZZ那篇效果差不多，這裏使用到一種擴展領域交叉距離的概念，公式太多，難理解。不過，ZZ的re-ranking算是學術界常用的，以後有機會蒐集re-ranking系列，對結果的提升起碼能到4%左右吧！

17指的是14個關鍵點分別作爲一個通道以及3個RGB通道一起輸入網絡。最終根據feature map的帶有關鍵點的置信圖去做一個視角的分類，即人體的朝向預測，指導最後的id預測。我覺得應該可以加一個ROI區域，除了分類損失，將這個ROI分支做三元組損失計算，一方面這個ROI可以達到分塊方法的效果，即根據關鍵點信息界定頭部、上身以及下身的檢測框區域隨後提取部位局部特徵的信息，還能做一個類間類內的度量量化，算是細化的重排。
端正姿態真的很重要~