行人重识别(Person Re-idenfication,Person ReID)是判断图像或者视频序列中，是否存在特定行人的技术，也称跨境追踪技术。尽管人脸识别技术已经十分成熟，但在人群密集、监控摄像头分辨率低、拍摄角度较偏等情况下，人脸无法被有效识别。行人重识别变成了重要补充。
Multiple Granularity Network (MGN)是1个将全局信息和各粒度局部信息结合的端到端特征学习策略。
论文地址：https://arxiv.org/pdf/1804.01438
项目地址：https://github.com/GNAYUOHZ/ReID-MGN
目录
一.方法
1.网络结构
MGN的网络机构如下图所示。
输入图像尺寸：384*128，每个mini-batch选取P=16个人，每个人K=4张照片。
从resnet-50的res_conv4_2分为3个分支，提取全局和部分特征。
•global branch
在res_conv5_1中使用stride=2的卷积进行下采样，对得到的feature map采用global max pooling生成2048维的特征向量，并利用1*1的卷积压缩为256维的特征向量。
•Part-N Branch
Part-N Branch分支用于学习局部的特征表示，为了保留适合局部特征的感受野，没有使用下采样。通过在水平方向上均匀的将feature map划分为N块，并利用global max pooling和1*1卷积来得到对应的局部特征，N越大粒度越细。
Part-2 Branch分支中，N=2，可以理解为将行人分为上半身和下半身；Part-3 Branch分支中，N=3，可以理解为将行人分为上，中，下3个部分。
在测试的时候，将3个256维的全局特征向量和5个256维的局部特征向量concat起来得到的2048维向量作为行人的特征表示，用于相似性搜索。
2.Loss函数
将用于分类的softmax函数和用于度量学习的三元损失函数（triplet loss）用作训练过程中的损失函数。
二.实验
1.数据
Market-1501
在清华大学校园中采集，夏天拍摄，2015年构建并公开。包括由6个摄像头（5个高清摄像头和1个低清摄像头）拍摄到的1501个行人，32668个检测到的行人矩形框。每个行人至少由2个摄像头捕获到，并且在1个摄像头中存在多张图像。
训练集751人，包含12936张图像；
测试集750人，包含19732张图像，前缀0000表示在提取750人的过程中DPM检测错的图，-1表示检测出来其他人的图（不在这750人中）；
3368张查询图像的行人检测矩形框是人工绘制的，而gallery中的行人检测矩形框是使用DPM检测器得到的。
（1）目录结构
（2）命名规则
以0001_c1s1_000151_01.jpg为例；
0001：表示每个人的标签编号，从0001到1501；
c1：表示第1个摄像头（camera1），共有6个摄像头；
s1：表示第1个录像片段（sequence1）；
000151：表示c1s1的第000151帧图片，视频帧率为25fps；
01：表示c1s1_000151这1帧上的第1个检测框，由于采用DPM检测器，1帧上可能会框出好几个行人检测框bbox；00表示手工标注框。
DukeMTMC-reID
DukeMTMC-reID为DukeMTMC数据集的行人重识别子集。DukeMTMC-reID包含85分钟的高分辨率视频，采集来自8个不同的摄像头，并且提供了人工标注的bounding box。
从视频中每120帧采样1张图像，得到36411张图像。一共有1404个人出现在大于2个摄像头下，有408个人只出现在1个摄像头下。
随机采样702个人作为训练集，702个人作为测试集。在测试集中，采样每个摄像头下的1张照片作为查询图像（query），剩下的图像加入测试的搜索库（gallery），并且将之前的408人作为干扰项，也加到中gallery。
（1）目录结构
Bounding_box_test：17661张图像（随机采样，702ID+408 distractor ID）。
Bounding_box_train：16522张图像（随机采样）。
query：测试集中的702人在每个摄像头中随机选择1张图像作为query，共有2228张图像。
（2）命名规则
以0001_c2_f0046182.jpg为例。
0001：表示每个人的标签编号；
C2：表示来自第2个摄像头（camera2），共有8个摄像头；
f00461822：表示第46182帧。
CUHK03
图像采集于香港中文大学校园。数据已.mat文件格式存储，含有1467个不同的人物，由5对摄像头采集。
（1）目录结构
Detected：5*1 cells，由机器标注。每个cell中包含1对摄像头组采集的照片。每个摄像头组由M*10 cells组成，M为行人索引，前5列和后5列分别来自同一组的不同摄像头。cell内每个元素为1幅H*W*3的行人框图像（uint8数据类型），个别图像可能空缺，为空集。
labeled：5*1 cells，行人框由人工标注，格式及内容和Detected相同。
Testsets：20*1 cells，测试协议，由20个100*2 double 类型矩阵组成（重复20次）。100*2 double ，100行代表100个测试样本，第1列为摄像头pair索引，第2列为行人索引。
2.结果
| Market-1501 | DukeMTMC-reID | CUHK03 |
 |
 |
 |