最近需要做這個課題，採用深度學習做，廢話不多說，直接說一下我的思路以及遇到的問題，希望能有人交流一下（哭，效果一直不好，找不到原因）。

主要是參照cvpr的這篇論文Person Re-Identification by Multi-Channel Parts-Based CNN with Improved Triplet Loss Function.pdf（連結http://z-yt.net/tmp/cvpr2016/content/papers/8851b335.pdf）。按照論文中的說法，其最簡單的用原始triplet loss和一個網路分支在VIPER資料庫上就能達到top1 34%的正確率。可是臣妾經過一番折騰，表示做不到啊，相同的網路和loss我的top1在15%左右，差距簡直不要太大。（我的batch設為30）

我做深度學習用的是caffe，tripletloss層參考的是 部落格http://blog.csdn.net/tangwei2014/article/details/46812153中的寫法，另外我在triplet loss層前面又加上了一個select層用於將anchor、positive、negative分成三個輸出作為loss層的輸入。則樣本的組織形式為如下
anchor1
anchor2
positive1
positive2
negative1
negative2
此處拿batchsize為6來舉例，則一共有兩對triplet三元組，（anchor1，positive1，negative1）和（anchor2，positive2，negative2），他們是一一對應的在一個批次中，當然這在組織imag_data的輸入list中得事先組織好三元組。另外修改過的地方還有data_transformer.cpp加入了可以隨機crop不同寬高的程式碼。