行人再识别是关于行人的身份再识别问题，是经典人脸识别的延续和扩展，也是人工智能领域下计算机视觉的重要任务之一。本书概述了行人再识别十几年简要发展史，介绍了著者在行人再识别领域的相关研究成果，包括行人再识别整体应用框架(第2章)，提升行人再识别精度的方法(第3章、第4章、第5章、第7章和第8章)，加速和精简行人再识别特征提取和表示的方法(第6章，第9章、第10章和第11章)，探索更具挑战性的跨模态行人再识别方法(第12章)，以及行人再识别的未来和发展预测(第13章)。本书可作为人工智能、信息处理等领域人员的参考资料，也可以供从事计算机视觉和行人再识别相关研发的工程技术人员参考。

第1章 绪论
1.1 概念
l.2 发展简史
1.3 方法分类
1.3.1 传统方法
1.3.2 深度方法
1.4 评测指标
1.4.1 CMC指标
1.4.2 mAP指标
1.4.3 mINP指标
1.5 公开数据集
1.5.1 数据集简介
1.5.2 数据集性能
1.6 小结
参考文献
第2章 一种高效的行人再识别框架
2.1 相关工作
2.2 行人再识别框架
2.2.1 运动检测
2.2.2 行人检测
2.2.3 行人再识别
2.3 实际测试
2.3.1 环境搭建
2.3.2 测试效果
2.3.3 讨论分析
2.4 小结
参考文献
第3章 多路径多损失ReID方法
3.1 研究动机
3.2 多路径多损失网络(MPMLN)
3.2.1 网络架构
3.2.2 多路径构建
3.2.3 多损失函数
3.3 实验评测
3.3.1 数据集简介
3.3.2 实验设置
3.3.3 实验结果与分析
3.4 扩展分析
3.4.1 消融性分析
3.4.2 网络结构分析
3.5 小结
参考文献
第4章 孪生余弦ReID方法
4.1 研究动机
4.2 相关工作
4.3 孪生余弦网络嵌入(SCNE)
4.3.1 成对余弦损失
4.3.2 联合目标函数
4.3.3 孪生网络架构
4.4 实验评测
4.4.1 数据集简介
4.4.2 实验设置
4.4.3 实验结果与分析
4.4.4 参数敏感性分析
4.5 小结
参考文献
第5章 异构分支与多级分类ReID方法
5.1 研究动机
5.2 相关工作
5.2.1 特征表示和度量学习
5.2.2 多分支网络架构
5.2.3 多目标损失函数
5.3 异构分支与多级分类网络(HBMCN)
5.3.1 网络架构
5.3.2 异构分支
5.3.3 多级分类
5.4 实验评测
5.4.1 实验设置
5.4.2 实验结果与分析
5.4.3 消融性分析
5.4.4 收敛性分析
5.5 结论
参考文献
第6章 网络嫁接轻量级ReID方法
6.1 研究动机
6.2 相关工作
6.2.1 行人再识别
6.2.2 轻量级网络
6.2.3 蒸馏学习
6.3 嫁接网络(GraftedNet)
6.3.1 网络结构
6.3.2 接穗设计
6.3.3 联合特征
6.3.4 伴随学习
6.4 实验评测
6.4.1 数据集简介
6.4.2 实验设置
6.4.3 实验结果与分析
6.4.4 消融性分析
6.4.5 内存和计算量分析
6.4.6 讨论
6.5 小结
参考文献
第7章 时空注意力ReID方法
7.1 研究动机
7.2 相关工作
7.2.1 局部特征的行人再识别方法
7.2.2 注意力机制
7.3 时空注意力方法(JA-ReID)
7.3.1 方法框架
7.3.2 软分割的像素级注意力机制模块
7.3.3 硬分割的区域级注意力机制模块
7.3.4 改进的池化策略
7.4 实验评测
7.4.1 数据集和评价标准
7.4.2 实验设置
7.4.3 实验结果与分析
7.5 消融性实验
7.5.1 软分割的像素级注意力机制有效性分析
7.5.2 两种降维策略分析和比较
7.5.3 不同池化策略分析和比较
7.6 小结
参考文献
第8章 多特征注意力融合ReID方法
8.1 研究动机
8.2 多特征注意力融合方法
8.2.1 不同分辨率特征分析
8.2.2 多分辨率特征注意力融合网络
8.3 实验评测
8.3.1 实验设置
8.3.2 实验结果与分析
8.3.3 消融性分析
8.4 小结
参考文献
第9章 分类哈希ReID方法
9.1 研究动机
9.2 深度分类哈希(DCH)
9.2.1 网络架构
9.2.2 二值化近似层
9.2.3 生成哈希码
9.3 实验评测
9.3.1 数据集简介
9.3.2 实验设置
9.3.3 实验结果与分析
9.3.4 消融性分析
9.4 小结
参考文献
第10章 比特哈希的ReID方法
10.1 研究动机
10.2 成对比特损失的深度监督哈希(DSH—PBL)
10.2.1 网络架构
lO.2.2 成对比特损失函数
10.2.3 联合损失函数
10.2.4 测试过程
10.3 实验评测
10.3.1 在CIFAR10上的结果与分析
10.3.2 在Market一1501上的结果与分析
10.3.3 消融性分析
10.4 小结
参考文献
第11章 多尺度哈希的ReID方法
11.1 研究动机
11.2 相关工作
11.2.1 哈希ReID方法
11.2.2 多尺度特征融合方法
11.3 多尺度特征融合的互惠哈希(MFF-HMS)
11.3.1 骨干网络结构(HRNet)
11.3.2 多尺度特征融合(MFF)
11.3.3 哈希互惠结构(HMS)
11.4 实验评测
11.4.1 数据集简介
11.4.2 实验设置
11.4.3 实验结果与分析
11.5 消融实验分析
11.5.1 MFF模块分析
11.5.2 HMS模块分析
11.5.3 超参数分析
11.6 小结
参考文献
第12章 双阶段跨模态ReID方法
12.1 研究动机
12.2 双阶段度量学习(TML)
12.2.1 网络架构
12.2.2 批处理混合三元组损失
12.2.3 跨模态全局度量学习
12.3