Kalayeh M M, Basaran E, Gokmen M, et al. Human Semantic Parsing for Person Re-identification[J]. 2018.
这篇是截止发文时在Market-1501上性能最高的论文。主要思想可以归结到软划分的范畴，
借助精确分割的信息去提取部件特征，再辅以其他tricks(大规模的backbone，较大的网络输入分辨率，合并多个公开数据集做fine-tune等) 。
性能是最高的，但抛开backbone参数规模和输入图像分辨率的计算量，只谈性能，是CV界的耍流氓。所以大家还是客观看待这个最高的性能，更多的关注可借鉴的创新点。
为了解决行人重识别里的姿态、对齐、角度等问题，引入人体语义分割去精确提取local feature，即SPReID。
输入目标图，传统的过程是经过backbone，提取GAP后的特征进行检索，如图中中间分支。
SPReID，是上分支和下分支的结合。上分支最终提取较大的特征图，下分支是人体语义分割网络，
提取5个语义信息的特征概率图（前景，头，上肢，下肢，鞋子）。将上分支的全部特征和下分支的概率图进行加权求和
（2048个通道和1个通道特征概率图的prod）。考虑到特征维度爆炸（2048*5），将头、上肢、下肢和鞋的特征进行max
操作，然后和前景特征concact，作为网络最终的输出。
注意下SPReID，不是一个end-to-end的网络，上下分支单独训练，后续改进是可以做成end-to-end的。
还有最后的部件特征max操作有些粗暴，可以在2048维特征上做降维操作，然后将各部件concact一起。
分辨率和backbone实验结果
最终的性能比较
Person Re-identification 系列论文笔记（八）：SPReID
原文：https://www.cnblogs.com/dingz/p/9372630.html