详解ReID的各部分组成及Trick——FastReID中的baseline配置

FastReID：A Pytorch Toolbox for Real-world Person Re-identification

论文地址：https://arxiv.org/pdf/2006.02631v1.pdf
代码地址：https://github.com/JDAI-CV/fast-reid
FastReID是京东开源的一个Baseline，该库可以称为产品级别的标准开源库，集成了近年来reid很多很好的操作，其结构图如下：

在FastReID中提供了不同的baselines，使用了不同的backbone及不同的策略进行学习。

1、BoT

       BoT基于《Bag of Tricks and A Strong Baseline for Deep Person Re-identification》—CVPRW2019, Oral。文章中作者认为影响ReID效果很大程度上与trick相关，所以对影响ReID的trick做出了探究，并提出了一种Strong Baseline。


以上结构图和表格表示出作者所做的改进。与之原文不同的是，FastReID中提供的baseline涉及到更多的backbone。

2、AGW

       AGW出自《ReID-Survey with a Powerful AGW Baseline》一文。同样在这篇文章中作者也调研了很多的trick，包括预处理，增强，损失等。最后结合已有的baseline做出了一定的改进，改进的网络结构如下：

3、MGN

       MGN出自《Learning Discriminative Features with Multiple Granularities for Person Re-Identification》一文。

       从上图的网络结构可以看到MGN在一定程度上考虑了局部信息，利用局部信息进行分类。FastReID提供了一个相关于MGN的baseline，与之前的baseline不同的是其网络结构的搭建是基于SBS进行的。

4、SBS

stronger baseline on top of BoT:
Bag of Freebies(BoF):
       1）Circle loss
       2）Freeze backbone training
       3）Cutout data augmentation & Auto Augmentation
       4）Cosine annealing learning rate decay
       5）Soft margin triplet loss
Bag of Specials(BoS):
       1）Non-local block
       2）GeM pooling

SBS是在FastReID一文中提出的结合了以上trick的baseline。