1. Learning Deep Context-Aware Features Over Body and Latent Parts for Person Re-Identification
   作者是中科院的Dangwei Li等。這篇工作是multi-class person identification tasks，主要創新有三點：（1）用空洞卷積（dilated conv）進行多尺度特徵提取，減少傳統CNN提取特徵的資訊損失；（2）利用Spatial Transformer Networks (STN，其中作者設定了三個引數限制) 提取可變的body-part，相比較於rigid divid, 能減少背景的影響； （3）將full body特徵和parts特徵融合，在identification classification 指導下，學習網路引數。

2. Beyond Triplet Loss: A Deep Quadruplet Network for Person Re-Identification
   在傳統的三元組中增加一個negative sample, (x,xp,xn1,xn2). 在原始的triplet loss上增加約束d(x,xp)< d(xn1,xn2)

3. Spindle Net: Person Re-identification with Human Body Region Guided Feature Decomposition and Fusion
   code : https://github.com/yokattame/SpindleNet

   
   香港中文大學的王小剛等的論文。
   本文的創新點：（1）針對disassigned image pair, 作者提出先用Region Proposal Net-work (RPN) 提取7個身體區域：頭頸，上身，下身，雙胳膊，雙腿。
   （2）設計一個基於global + local features的模型 （特徵提取網路 FEN）
   （3）特徵融合網路（FFN） Tree+max
   

4. Re-Ranking Person Re-Identification With k-Reciprocal Encoding
   （1）定義了k-互惠編碼（K-Reciprocal 編碼）
   （2）求k-reciprocal 特徵
   （3）計算Jaccard距離
   （4）和原始距離融合
   

5. Scalable Person Re-identification on Supervised Smoothed Manifold
   華科白翔老師實驗室的paper. 提出mandifold-based affinity learing for re-id。該方法能夠：（1）利用pairwise約束（2）可以用大大資料集上（3）可作為其他方面的後處理階段。
   方法很好，但是實在是看不懂。。。。。。。

6. One-Shot Metric Learning for Person Re-identification
   傳統方法。作者提出將紋理和顏色分開學習距離測量。
   （1）用灰度影象輸入到DCNN，得到紋理特徵
   （2）設定針對re-id的色卡，僅用一對影象得到測量。不懂。
   效果一般。。。

7. Point to Set Similarity Based Deep Feature Learning
   for Person Re-identification
   西安交大的Sanping Zhou等
   （1）提出一個point to set的 Similarity 測量方法。
   （2）基於身體部分的網路架構。
   
   
   
   

8. Fast Person Re-identification via Cross-camera Semantic Binary Transformation.
Hash 函式學習
9. See the Forest for the Trees: Joint Spatial and Temporal Recurrent Neural Networks for Video-Based Person Re-Identification
10. Consistent-Aware Deep Learning for Person Re-Identification in a Camera Network
本文研究camera network based person re-id, 針對多camera中識別的一些不一致問題，提出一致性的深度學習。