关于Gaitset训练和识别原理

论文看了很多遍，由于代码还有吃懂，所以对它进行识别的原理还是有所模糊。
今天看到一些资料，感觉恍然大悟。
关于数据集的训练：
该数据集没有官方的划分训练集和验证集，一般的做法是使用三种划分方法：
 （a）Small-sample training（ST）：训练集24个目标，验证集100个目标；
 （b）Medium-sample training（MT）：训练集62个目标，验证集62个目标；
 （c）Large-sample training（LT）：训练集74个目标，验证集50个目标。
 并且，在测试集中，将4段NM序列作为gallery，剩余的2段NM、2段BG、2段CL作为三组probe。

今天第一次看到这个gallery和probe：
看到一个博主的这张图恍然大悟：

在FaceRecognition中一般的是训练集与测试集是不相交的，即为交集为空，训练集只是负责参数他的调整 得到相应的模型以后，Gallery set也称之为查询集 也就是将Gallery set 中的数据放到模型里面输出相应的特征，然后Probe set的数据也放在model中得到相应的特征，将两个特征做认证对比，如果认证成功则输出相应的结果如果认证不成功则输出对应的结果。

Gaitset也是相当于如上的识别原理，通过训练集送进网络进行训练得到模型，再将数据分为Gallery set，和probe set ，通过将gallery set 学习计算得到一个特征向量，然后probe set 也送进去得到特征向量，两者进行比对。

显而易见， 和大部分的识别原理都是类似的，至于我为什么现在才明白，可能是因为我之前看的全都是检测类的，对像人脸识别这种就没有关心过。
检测相当于分类问题，在分类模型中我们将一部分待分类的数据与其他的数据组成训练集一起训练然后在做分类预测。但是人脸识别中预测数据是不能够与训练集有相交的，所以才有了一个Gallery set。
通过将gallery’ 送进模型得到gallery的特征向量，进行存储。对probe进行识别时候，送入网络，得到probe的特征向量，进行比对。

参考：https://blog.csdn.net/qq_42191914/article/details/105473925
参考：https://blog.csdn.net/u011557212/article/details/60963237