论文可以在arxiv下载，老板一作，本人二作，也是我们实验室第一篇CCF A类论文，这个方法我们称为TFusion。
代码：https://github.com/ahangchen/TFusion
解决的目标是跨数据集的Person Reid
属于无监督学习
方法是多模态数据融合 + 迁移学习
实验效果上，超越了所有无监督Person reid方法，逼近有监督方法，在部分数据集上甚至超越有监督方法
本文为你解读CVPR2018 TFusion
转载请注明作者梦里茶
Task行人重识别(Person Re-identification)是一个图像检索问题，给定一组图片集(probe)，对于probe中的每张图片，从候选图片集（gallery）中找到最可能属于同一个行人的图片。
行人重识别数据集是由一系列监控摄像头拍摄得到，并用检测算法将行人抠出，做行人的匹配。在这些数据集中，人脸是十分模糊的，无法作为匹配特征，而且由于多个摄像头拍摄视角不同，同个人可能被拍到正面，侧面，背面，具有不同的视觉特征，因此是一个比较难的图像匹配问题。常用数据集有很多，可以在这个网站查到。
Related Work行人重识别问题有以下几种常见的解决方案：
基于视觉的行人重识别这类方法通常提取行人图像特征，对特征进行距离度量，从而判断是否是同一个人。
有监督学习
这类方法通常需要提供行人图片和行人id标签（person1,person2等），训练模型，提取图像特征，根据两张图特征的距离大小（可以用余弦距离，欧氏距离之类的计算），为probe中的每张图和gallery中的每张图计算其相似度，根据相似度将gallery中的图片排序，排序越高越可能为同一个人。
这方面的论文代表有TOMM2017: A Discriminatively Learned CNN Embedding for Person Re-identification，我们采用的基础图像分类器就是基于这篇论文用Keras实现的，后面细讲。
无监督学习在CVPR2018之前，Person Reid领域正式发表的无监督工作只有CVPR2016的UMDL：Unsupervised Cross-Dataset Transfer Learning for Person Re-identification，基于字典学习方法，在多个源数据集上学习跨数据集不变性字典，迁移到目标数据集上。然而准确率依然很低。
结合摄像头拓扑的行人重识别行人图片是摄像头拍到的，摄像头之间有一定的距离，行人的移动有一定的速度限制，因此行人在摄像头间的移动时间就会呈现出一定规律，比如，AB摄像头间有10米，人行走速度2m/s，如果AB摄像头在1s内捕捉到了两张图片，则这两张图片不可能是同一个人的，因此我们可以利用摄像头拓扑约束来提升行人重识别的准确率。
然而，这类方法往往有以下缺陷：
有些方法需要预先知道摄像头拓扑（AB摄像头之间的距离）
有些方法可以根据拍摄到的图像数据推断出摄像头拓扑，但是需要图像有标注（是否是同一个人）
即使推断出摄像头拓扑，与图像的融合结果依然很差
迁移学习迁移学习现在是深度学习领域很常用的一个套路了，在源数据集上预训练，在目标数据集上微调，从而使得源数据集上的模型能够适应目标场景。这方面的论文代表有前面讲的UMDL，和Deep transfer learning person re-identification，然而，目前的迁移学习大多需要标签，而无监督迁移学习效果又很差，仍然有很大提升空间。
更多关于Person Reid的内容可以看一下我在博客写的几篇调研
Motivation现有的行人重识别数据集中是否包含时空信息？包含的话是否存在时空规律？
缺乏两个时空点是否属于同一行人这种标签时，如何挖掘时空信息，构建时空模型？
如何融合两个弱分类器？有监督的融合有boosting算法可以用，无监督呢？
在缺乏标签的条件下，如何进行有效的迁移学习？
对应有三个创新点
无监督的时空模型构建
基于贝叶斯推断的时空图像模型融合
基于Learning to Rank的迁移学习
接下来详细解析我们的方法。
时空模型 数据集中的时空规律所谓时空模型，即一个摄像头网络中，行人在给定两个摄像头间迁移时间的分布。
我们看遍所有Reid数据集，发现有三个数据集有时空信息，Market1501, GRID, DukeMTMC-ReID，其中，DukeMTMC-ReID是2017年后半年才出来的，时间比较仓促在论文中就没有包含跟它相关的实验。Market1501是一个比较大的Person Reid数据集，GRID是一个比较小的Person Reid数据集，并且都有六个摄像头（GRID中虽然介绍了8个摄像头，实际上只有6个摄像头的数据）。
例如，Marke1501中一张图片的时空信息是写在图片名字中的：
0007_c3s3_077419_03.jpg：
0007代表person id，
c3代表是在3号摄像头拍到的，也就是空间信息，