讓我們重新回顧行人重識別問題:從安防行業應用發展來看,行人重識別問題可以追溯到行人檢測(Pedestrain Detection),使用的是一套冷兵器時代的技術HOG+SVM, DPM。檢測到行人後自然要有行人屬性分析,按照安防視頻結構化的一貫思路,於是乎就有帽飾發形發色、性別、臉型是否戴眼鏡、上下衣顏色款式、是否騎行等等一堆屬性信息,這些屬性點在刑偵等應用中有點作用,加個時空限制條件能過濾到一部分嫌疑人,但是數據量上來後就沒什麼卵用。當然,分析粒度有限,從技術的角度看,能實現這些功能說明你技術比較挫。於是乎為了高大上,圖像檢索的一些演算法被引進,CNN出現之後更是各種Loss(Metric Learning)滿天飛。人臉識別方向以發論文為生的人的應該一直很苦逼,完備的測試集在,沒有真正提升的技術很難灌水。重識別問題讓他們找到了灌水的入口。
在深度學習如日中天的當下,如何才能體現個人和公司的牛逼之處呢,大致有如下幾種方法:A.做出牛逼的產品;B.發表牛逼的論文; C.刷榜; D.發專利;E.清談扯蛋寫PPT。
做出牛逼的產品太難了,大多數人集中於後幾項。
行人識別問題區別於車輛識別,如下圖對比: