先大概说一下这篇工作的主要亮点，主要做的工作是作者用了五个网络，第一个网络应用于提取全局特征，即对整张图片提取特征。另外四个网络属于提取局部特征，即提取整张图划分为四部分之后对每部分输入网络中提取局部特征。这样做了多通道的提取特征后，实验部分，充分证明了这个工作上升了很大的精度。另外一个亮点工作是作者提出了一种新的三元组损失函数，之前的损失函数只是保证类内距离要小于类间的距离，作者改善之后的三元组还要求类内内间的距离要小于一个具体的数值，使得类内间距更小，类间间距距离更远。
实验部分，作者分别在以下四个数据集上进行验证：（想要数据集的可以留言）
全局特征的类内类间结构图，其中有两个摄像头捕获的图片A与B，A中随机抽取一张图片作为要查询的图，在B中对每个人都提取一张图，作为gallery,然后分别计算这张查询图和这些galley里面的图计算相似性度量，在本文中用的欧式距离计算。
multi-channel CNN model：
Improved Triplet Loss Function：
之前的三元组：
这里只是限定了类内距离要小于类间距离，这里的T1为负值
本文改后的三元组：
这个公式的提出目的让类内的距离更closer…
以及之后的BP求偏导，更新参数：
作者在实验部分也充分证明了提出的两点工作超出了之前的state-of-art…
作者最后还做了个工作：证明整张图分出的四部分特征，在头部肩部的那个部分提取的更好，在行人重识别中是显然的啊，毕竟是从人脸识别演变过来的。
Analysis of different body parts
这篇文献就分享到这里了，有什么问题欢迎大家留言指正，欢迎转载！