簡要描述：
matlab資料檔案格式，1467個行人，收集自the chinese university of hong kong校園內的10個(5對)不同的攝像頭。
資料集結構：
由三部分組成：
---"detected"：行人框由pedestrian detector繪出，5x1 cell，分別由5對攝像頭組收集得到。
--843x10 cell，收集自攝像頭組pair 1，行數為行人索引，前5列和後5列分別來自同一組的不同攝像頭。cell內每個元素為一幅 mxnx3 的行人框圖像(uint8 資料型別)，個別影象可能空缺，為空集。
--440x10 cell，收集自攝像頭組pair 2，其它同上。
--77x10 cell，收集自攝像頭組pair 3，其它同上。
--58x10 cell，收集自攝像頭組pair 4，其它同上。
--49x10 cell，收集自攝像頭組pair 5，其它同上。
--- "labeled" ：5x1 cell，行人框由人類標註，格式和內容大致和上面的"detected"相同。
---"testsets" ：20x1 cell，測試協議。由20個 100x2 double型別矩陣組成。
--100x2 double，100行代表100個測試樣本，第1列為攝像頭pair索引，第2列為行人索引。
-- ...
測試協議：
cuhk-03的測試協議有兩種。
第一種為舊的版本(參考文獻[1], 即資料集的出處 )，參見資料集中的'testsets'測試協議。具體地說，即隨機選出100個行人作為測試集，1160個行人作為訓練集，100個行人作為驗證集（這裡總共1360個行人而不是1467個，這是因為實驗中沒有用到攝像頭組pair 4和5的資料），重複二十次。這種測試協議是single-shot setting.
第二種測試協議（參考文獻[2] ）類似於market-1501，它將資料集分為包含767個行人的訓練集和包含700個行人的測試集。在測試階段，我們隨機選擇一張影象作為query，剩下的作為gallery，這樣的話，對於每個行人，有多個ground truth在gallery中。（新測試協議可以參考這裡）
行人重識別（二）跨模態的行人重識別
感謝前輩總結的 列表，為了方便自己以後翻閱，鏈結擱這兒 在我們現實生活中，可見光條件下的攝像機拍到的影象，往往會包含行人的大部分外觀資訊，然而現實中並不只需要在可視條件極佳的條件下進行監控，在夜晚或者可視條件極差的場景中也有監控的需要，這個時候，紅外相機拍攝的影象便可用於行人的再識別。據我所知，現階...
行人重識別相關技術
行人重識別的相關技術 1 特徵表示 2 度量學習 metric learning 3 deep learning 特徵表示 研究行人物件的特徵表示方法，提取魯棒性的 更有鑑別力的特徵對行人進行表達。度量學習，亦稱 距離度量學習 distance metric learning 尋找乙個合適的距離度量...
行人重識別之重排序 re ranking
行人重識別簡稱re identification，目前研究這個方向的大神主要有，uts的鄭良，鄭哲東，cuhk的xiaotong等。這裡想分析下，2017年的cvpr,re ranking person re identification with k reciprocalencoding，文章主要...