AI-and-Person-ReID 简介

这个项目主要存放行人再识别相关的AI基础知识以及行人再识别相关的知识对应的视屏，图书，代码等学习资料。
这些资料在这个仓库中的存放路径和以下知识结构的层次相同

最新消息

1. 增加了分析错误案例的脚本程序

AI基础知识

机器学习

持续更新中。。。

深度学习

随着计算能力的提升以及训练数据集的增大，深度神经网络替代浅层神经网络，深度学习的时代也随之到来。

基础知识

1. 视频：吴恩达的深度学习课程及其课后作业. 这门课程非常适合初级选手，吴老师讲的通俗易懂，课后作业可以结合具体的AI任务让你自己动手实现一些神经网络。
2. 图书：Deep Learning. 这本书可以配合吴老师的视屏课看，也可以当作工具书。

经典模型

1. ResNet
2. Transformer（及其相关的自监督学习）

常用的Loss Function

1. Cross-Entropy Loss （分类任务）
2. Triplet Loss （度量学习）
3. Focal Loss (解决类别不平衡)

Trick

建议读这些Trick对应的论文了解这些方法提出的动机能够帮助你更好的理解它们，这些论文一般通俗易懂。不建议看博客的总结！！！

1. Bacth Normalization
2. Layer Normalization

优化器

1. SGD
2. Adam系列

行人再识别

计算机视觉基础

国科大研究生计算机视觉课PPT

基于图片的行人再识别

行人再识别为跨摄像头的目标行人关联。行人再识别本质是检索问题，围绕表示和检索进行了一系列研究。

表示

在实际的场景中ReID的表示学习会遇到以下几个问题：

换装

遮挡

朝向变化

光照变化

背景杂乱

姿态变化

域泛化

检索：重排序

重排序在初次检索结果的基础上，完善查询图对检索结果Top-K的进行二次检索。完善查询图时主要利用查询图片的近邻图片增强查询图。重排序模型一般分为使用深度学习模型和机器学习模型两种方法。

基于视屏的行人再识别

持续更新