无监督与领域自适应的行人重识别任务(Re-ID)

参考链接：Introduction to Mutual Mean-Teaching (ICLR 2020), Structured Domain Adaptation, VisDA-2020 Solution (ECCVW 2020), Self-paced Contrastive Learning (NeurIPS 2020), OpenUnReID Codebase.

领域自适应（Domain Adaptive）

Common scenarios:
City A > City B
Synthetic > Real-world
在有标签的源域（labeled source domain）与无标签的目标域(unlabeled target domain)进行训练，目的是在目标域取得较好的性能

无监督学习(Unsupervised learning)

No source domain and Unlabeled targrt domain
无监督行人重识别是从预训练的Imagenet网络开始，可以理解为从imagenet的domain向reid的domain迁移
无监督预训练任务是从随机初始化的网络开始

Object Re-identification(Re-ID)

Probe object
Gallery images captured from multiple cameras
对每张图像进行特征提取，对每张probe image 与 gallery images计算距离(distance computation),然后进行相似度排序(feature ranking)
最重要的是如何为图像提取具有辨别性的特征(learn discriminative features in varying conditions.)
不同光照条件，角度