行人ReID，參考以及後續訓練,持續更新(二）2020

2020年6月，重磅，最強重識別工具箱FastReID開源，附帶多種SOTA模型

https://zhuanlan.zhihu.com/p/146137740

添加了最近最好的幾個reid模型，很多訓練技巧，組合

1）、AWG 方法，添加了三個結構局部結構，效果漲幅很厲害

2)、行人重識別 — Mutiple Granularity Network(MGN)

3）、Bag of Tricks and A Strong Baseline for Deep Person Re-identification （BoT)

加一些訓練技巧

4) sbs是添加，結構，損失，數據處理等小方法方法在 123的基礎上再訓練的

stronger baseline on top of BoT:

Bag of Freebies(BoF):

1. Circle loss
2. Freeze backbone training
3. Cutout data augmentation & Auto Augmentation
4. Cosine annealing learning rate decay
5. Soft margin triplet loss

Bag of Specials(BoS):

1. Non-local block
2. GeM pooling

2020年初，基於深度學習的person re-identification綜述 Deep Learning for Person Re-identification: A Survey and Outlook

該文章發表於2020年初，作者調查了245篇近兩三年的行人重識別（Person Re-identification）論文，分類爲封閉世界ReID與開放世界ReID，綜述了該方向的技術進展，對未來ReID技術發展給出了幾個有價值的方向，是近期最值得讀的ReID綜述。

實際也是AGW 模型提出文章