如何加强神经网络训练

笔者最近在做行人重识别问题，故下面以提升reID的准确率为例：

1. 扩大数据集

调研CUHK01/CUHK03，要小心各个数据集中的bias（比如只有两个摄像头下的照片）

同时，为了做比较，所以先只在market1501上测试。

2.做数据增强（旋转，翻转，平移）

采用了先resize到256，再crop一个227*227的策略。以50%的概率做镜像。

3.triplet loss

目前体验下来这个loss的好处在于，当分类的task收敛之后，这个loss相当于一个multitask，会继续tune 特征。

将网络修改成2stream的结构。最后加入tripletloss。

修改了batch sampling的方式，每次取一半same class的，取一半diff class的sample。（这个比例我调整为1:3）

4.结构问题

alexnet比vgg16效果好，我也是真的不懂了。。。。。

5.multi-task 

测试了行人姿态的代码，期待使用其作为multitask。

6.距离

normal后的余弦距离和欧式距离是一样的。

baseline: http://www.liangzheng.org/Project/state_of_the_art_market1501.html

vgg16 

caffenet mAP = 0.267864, r1 precision = 0.508907

caffenet-2stream    mAP = 0.378533, r1 precision = 0.615499