本文介绍最新的IEEE TPAMI综述论文 《Deep Learning for Person Re-identification: A Survey and Outlook》，该文作者来自武汉大学、起源人工智能研究院（IIAI）、北理工、英国萨里大学、Salesforce亚洲研究院。

这篇综述的几个主要贡献点：

1、综述：全面调研了近年来深度学习在Re-ID领域的进展，囊括了近几年三大视觉顶会上的大部分文章（如有遗漏，请谅解）。主要包括Closed-world Re-ID与Open-world Re-ID的研究进展，常用数据集和评价指标的概述，并分析了现有方法的不足和改进点。

2、展望： 1) 一个新的评价指标mINP，用来评价找到最困难匹配行人所需要的代价； 2) 一个强有力的AGW方法，在四种不同类型的Re-ID任务，包括12个数据集中取得了较好的效果； 3) 从五个不同的方面讨论了未来Re-ID研究的重点和难点，仅供大家参考。

最新版本论文地址：https://arxiv.org/abs/2001.04193v2 论文代码和评价指标开源地址：https://github.com/mangye16/ReID-Survey

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