Unsupervised Person Re-identification: Clustering and Fine-tuning
- 思想很清晰：
a) 用其他的标注数据集先训练一个pre-trained model；
b) 用这个model提取training的特征
c) 把提取的feature做一个K均值分类，然后算一个中心特征
d) 每类距离中心特征小于阈值的样本被选出来，回到a) fine-tune model
- 扩展到Semi-supervised：每类加一些标注的数据
- K的设定：
- 作者设置了不同的k进行效果验证
- 最后直接按照每个数据集的id数目设置效果最好
- Selection的阈值：尝试了不同的值
