AlignedReID
Zhang X, Luo H, Fan X, et al. AlignedReID: Surpassing Human-Level Performance in Person Re-Identification[J]. 2017.
本篇是来自旷视的一篇论文，刚发出来时号称超越人类分辨能力。
看性能指标确实挺高，其主要亮点是利用行人局部区域之间的联系（头下面是肩部，肩部下面是躯干）对行人对象进行对齐，从而减少不对齐导致的局部距离过大。
然后添加了一堆的训练tricks（triplet loss，mutual loss，rerank等，网络计算量暴增），个人感觉有刷指标的嫌疑，特别是标题相当的唬人（先把测试数据规模和测试场景提上去再说超越人类吧）。
这和后面云从的同样在Market-1501刷爆指标的论文感觉都有公关的意思，毕竟这两篇都是和公司合作。云从那篇基本没啥新意，硬分割完了加各种训练tricks使劲堆计算量，这里就不提具体的了。
contributions
提出基于行人局部区域之间联系的动态匹配最小路径算法，进行低成本的对齐
pipeline
loss：
final distance = global distance + local distance
global distance = L2 distance of globel feature
local distance = 动态匹配最小路径（解决由于不对齐而带来较大的local distance）
动态匹配最小路径
其他tricks
experiments
