行人重識別在問題深度上有什麼問題可以研究？

Image-based 圖像檢索的指標比較高了。 如CUHK03數據集和Market-1501數據集。http://liangzheng.org/Project/state_of_the_art_market1501.html 行人重識別會不會很快像人臉一樣被做死。

是自己的一些想法吧，不太全。

1. 跨domain學習。現在常用的學習數據集可能是國內國人的數據（如清華拍攝的Market-1501 和CUHK地鐵站拍攝的CUHK03）， 模型應用到 老外並且是冬天的數據集 DukeMTMC-reID上結果有了明顯下降。 學習一個魯棒性好的模型依舊是一個問題。

2. attribute 屬性學習。 Market1501 和DukeMTMC-reID 都提供了屬性（衣服顏色等等），如何衡量屬性之間的權重。

3. 視頻行人檢索。以視頻序列搜視頻序列，如Mars和PRID2011數據集。state-of-art還是以image base的model為主，時序信息利用的有限。推薦兩個學長視頻分類的論文：

• [1611.09053] Bidirectional Multirate Reconstruction for Temporal Modeling in Videos (CVPR2017)
• http://www.yugangjiang.info/publication/16MM-VideoFusion.pdf (ACM MM 2016)

4.使用自然語言來檢索行人。 ShuangLI59/person_search Dataset還有很多可以嘗試。

補充一個方向：行人檢測+行人檢索 （=行人重識別）

兩個數據集：Person Re-identification in the Wild (PRW)和CUHK-SYSU Person Search Dataset