个人理解

创新点：设计了用于训练的自适应加权三重损失（adaptive weighted triplet loss），设计了一个**难例挖掘（hard-identity mining）**的新方法
**为什么：**MTMCT和Re-ID 之间虽然任务不同，评价指标也不同，但是两者之间有本质上的相同点：对于Re-ID，对于任意一张(any query)查询图片a来说，图片a与身份相同的图片的特征之间的最大距离要小于图片a与身份不同的图片的特征之间的最小距离。对于MTMCT，任意两个(any two)身份相同的特征之间的最大距离要小于任意2个不同身份的特征之间的最小距离。而直接使用MTMCT的Triplet loss来训练函数，代价是非常昂贵的，需要考虑所有图像组成的图像对，并且正负样本及其不平衡。另外，MTMCT任务可以转换为一个监督学习问题：即找到函数$f(Θ， V)$的最佳参数$Θ^*$，使函数能够尽可能地估计真实轨迹，即可以进行端到端训练，但存在着两个难点：①端到端训练需要通过组合优化层（该层用于执行数据关联）来反向传播损失，这是非常昂贵的；② 需要考虑模型的深度，如果模型过深，那么权重更新可能无法传播回负责检测的层（较为前面的层）
怎么做：
- 针对于MTMCT和Re-ID之间的关系，以及使用MTMCT的triplet loss训练时带来的困难，作者设计了自适应权重的Triplet loss 以及一个难例挖掘技术
- 针对于训练的难度，作者将 detector 和 tracker 分开训练，detector 使用的是已有的检测器：OpenPose ； tracker 只主要关注特征提取部分
- 针对于tracker 训练部分，作者发现如果具有相同ID的图像对之间相关性为正，而具有不同ID的图像对之间相关性为负，那么组合优化的作用可以忽略不计**，tracker的目标是学习在训练中产生良好相关性的特征，而在测试时，使用相关性聚类来最大化潜在错误相关性之间的一致性。**

一、摘要

Multi-Target Multi-Camera Tracking (MTMCT) tracks many people through video taken from several cameras. Person Re-Identification (Re-ID) retrieves from a gallery images of people similar to a person query image. We learn good features for both MTMCT and Re-ID with a convolutional neural network. Our contributions include an adaptive weighted triplet loss for training and a new technique for hard-identity mining. Our method outperforms the state of the art both on the DukeMTMC benchmarks for tracking, and on the Market-1501 and DukeMTMC-ReID benchmarks for Re-ID. We examine the correlation between good Re-ID and good MTMCT scores, and perform ablation studies to elucidate the contributions of the main components of our system. Code is available1.

Multi-Target Multi-Camera Tracking (MTMCT) 通过多台摄像机拍摄的视频跟踪多人