Experiments

Datasets&Settings

大数据集

Market1501
CUHK03：767/700 测试方式，详见https://blog.csdn.net/HeavenerWen/article/details/1062482573 测试协议 2
DukeMTMC-reID (Duke)
MSMT17

小数据集

VIPeR GRID
小数据集需要预先在大数据集上 Pre-training之后才能学习。

Implementation details

OSNet 顶部预加一个分类层（linear FC+softmax）每个人的身份被视为一个独特的类别。
Person matching 基于FC 层提取的 512 维特征计算的欧氏距离 ($l_2 distance$)
batch_size:64 weight_decay=5e-4
learning_rate=0.065，在 150、225、300 轮衰减 0.1
SGD 跑 350epochs

Big Re-ID datasets Results

非常好

Small Re-ID datasets Results

小数据集相比大数据集而言，训练图像只有几百个，因此需要在大数据集上进行预训练并微调。

Ablation experiments

像一个战神，仅仅是论文中展示的就跑了 10 个对比模型和1 个基线模型。
[1]结论 ：模型减少了三倍以上，性能只降低了 0.4%
[2]结论 ：多尺度不管用什么方法联合都比单尺度效果好
[3]Issue：Channel-wise Gates 比Stream-wise Gates更适合
[4]结论：在处理每个输入图像时，适应性地进行尺度融合是至关重要的。