基于表征学习的ReID方法
表征学习（representation learning）是一类常用的行人重识别方法。由于CNN可自动从原始图像数据中根据任务需求自动提取表征特征（Representation），所以有些researcher会把行人重识别问题看作分类（Classification/Identification）问题或者验证（Verification）问题：
- （1）分类问题是指利用行人的ID或者属性等作为训练标签来训练模型；
- （2）验证问题是指输入一对（两张）行人图片，让网络来学习两张图片是否属于同一个人。
如今依然有大量工作是基于表征学习，表征学习也成为了ReID领域的一个非常重要的baseline，并且表征学习的方法比较鲁棒，训练比较稳定，结果也比较容易复现。
表征学习的局限性：容易在数据集的domain上过拟合，并且当训练ID增加到一定程度的时候会显得比较乏力。
代码实现
主要代码
- data_manager.py: 自动处理数据集，返回数据集的一些常用属性
- data_loader: 吐数据的dataloader
- transform.py：数据预处理代码，可以自定义数据增广
- model.py：提取特征的模型（ResNet50）
- train.py：主文件，包含训练、测试等代码
- utils.py：一些可能用到的功能代码
