Person Re-Identification by Deep Learning Multi-Scale Representations 

Motivation：

目前所有re-id的方法，不管是不是基於CNN的，第一步都是將影象resize到統一大小然後再來提取特徵。這種做法會模糊掉影象在不同尺度上的顯著性特徵，因此作者認為這樣的方法不是最優的，本文提出了一種在多尺度上提取特徵並且共同學習的方法，稱之為DPFL（Deep Pyramidal Feature Learning）。

Network：

Loss：

• Single Scale Feature Learning
• 
• 

使用的主網路是42層的Inception-V3，每個scale上都是用同樣的網路結構進行softmax分類，得到每個scale上輸入影象的分類概率

• Multi-Scale Consensus Learning

同樣利用公式（2）進行multi-scale的feature learning

提取主網路最後一層卷積層的特徵c∗c∗2048c∗c∗2048維，然後加上averaging-pooling→vector concatenation→dropout得到2048*m維的向量，m為scale的個數。然後進行softmax分類，得到各個scale特徵融合之後的分類概率

當T的值為1的時候變為hard target，即標準的softmax loss，此時對於多分類用的是one-hot形式表示的label，這樣表示存在的問題就是不能更好的表示類間可能存在相似性，比如貓和虎之間的概率差值範圍到不了1，但T值變大的時候，類間的差別變得平滑。但在文中，T值仍然設定的為1.

• Feature Regularisation by Consensus Propagation

一致性傳播的特徵約束，本人理解為多個scale的預測概率要跟混合之後的預測ID是相同的，於是在單scale的loss上加了一個正則項約束。

• 模型優化：
• 

實驗結果忽略。

前向時先每個分支學習，然後每個分支上加上正則項；反向時先每個分支更新梯度，然後融合的分支更新梯度。

本文主要考慮的是scale因素，不同scale的特徵會彌補單scale提取特徵的不足，單scale可能會忽略或者漏掉一些重要的資訊特徵，多scale是否能夠用在parts上的？

Part-Aligned Bilinear Representations for Person Re-identification 

本文主要是解決了part misalignment問題，主要應用Bilinear Representations，two-stream network，如圖示：在原始的Bilinear CNN中，一個stream學習影象區域的位置，一個stream學習的對應位置的特徵，之後經過Bilinear層將位置與其對應區域的特徵進行外交，之後再concatenate特徵，經過度量計算相似度，這樣的方法相當於在appearance feature的相似度計算上加上了part feature作為權重約束。本文的loss是傳統的triplet loss。

Bilinear CNN 雙線性模型在一系列視覺任務表現很好，如語義分割，細粒度識別，面部識別

問題：

怎樣把對應位置的feature相乘？

appearance feature map怎樣和location feature map對應起來，進行對應的外積呢