Re-ID done right: towards good practices for person re-identification
Almazan J, Gajic B, Murray N, et al. Re-ID done right: towards good practices for person re-identification[J]. 2018.
这篇总结了一套行之有效的Re-id训练策略和调参经验。创新点不多，但对工程有较好的借鉴意义。
contributions
1.总结了一组关键措施和有效的训练策略，能捕获差异特征
2.利用特征可视化进行论证分析
Good Practices
因素1：back bone
可以使用ResNet，ResNeXt，Inception，Densenet等。
使用pretrained训练性能较好。
因素2：图像分辨率
分辨率较大性能较好，但有瓶颈。
因素3：样本增强
cut-out（在局部添加噪声，类似dropout的操作）能有效增强鲁棒和降低过拟合。
因素4：Hard Triplet Mining
triplet中添加困难样本挖掘，能显著提高性能
特征可视化结果：
捕捉到了全局和局部特征
