Re-identification = Retrieval + Verification: Back to Essence and Forward with a New Metric 论文链接：https://arxiv.org/abs/2011.11506 代码链接：https://github.com/YuanXinCherry/Person-reID-Evaluation GOM：Re-ID的新评价指标！明确地将执行检索和验证的效果平衡为一个统一的指标，还可分解为一系列子指标，进而可以对Re-ID性能进行清晰的分析。代码现已开源！作者单位：东京大学, 武汉理工, 武大, 微软

当前，重识别（re-ID）被作为closed-world 图像检索任务进行研究，并通过基于检索的指标进行评估。该算法将ranking list返回给用户，但无法确定哪些图像是真正的目标。本质上，当前的re-ID过分强调了检索的重要性，而过分强调了验证的重要性，即所有返回的图像都被视为目标。另一方面，Re-ID还应包括以下情况：查询身份未出现在图库中。为此，我们回到re-ID的本质：它是在open-set setting中进行检索和验证的组合，并提出了一个新的度量标准，即真正的Open-set re-ID 度量（GOM）。 GOM明确地将执行检索和验证的效果平衡为一个统一的指标。还可以将其分解为一系列子指标，从而可以对re-ID性能进行清晰的分析。我们在re-ID基准上评估了GOM的有效性，显示了其捕获re-ID性能重要方面的能力，而这些方面到目前为止尚未为已建立的指标所考虑。此外，我们显示出与人类视觉评估re-ID性能一致的GOM得分极高。

内容中包含的图片若涉及版权问题，请及时与我们联系删除