Margin Sample Mining Loss: A Deep Learning Based Method for Person Re-identification

这篇文章2017年月份就挂载了arxiv上面，一作是CMU的学生，文章应该是投CVPR2018被reject了，没有找到作者的homepage，但是二作在github上面released keras的code https://github.com/michuanhaohao/keras_reid。
个人瞎扯：这篇文章我很早就在微信公众号 PaperWeekly上面见过，今天早上忽然想起这篇文章，然后就打算仔细读一下。看这篇文章很重要的一个原因就是因为它比hard triplet loss要好，但是它与state-of-the-art（可能还不是最好的）比的时候在CUHK03 dataset没有提升反而下降了，这可能是被reject的一个原因（个人愚见）。
文章要做的事情（person re-identificatin）
输入：一张图片+dataset 　　　　 输出：dataset中图片的rank list（retrieval）。

文章在4个datasets上面的实验结果如下表所示。
与metric learning中的loss function的比较

与state-of-the-art methods的比较

trplet loss，quadruplet loss，general quadruplet loss，hard triplet loss以及MSML的公式比较如下所示。

文章中给出的相对距离和绝对距离的示意图如下所示。