深度学习triplet loss 做人再识别（person-reid）

最近需要做这个课题，采用深度学习做，废话不多说，直接说一下我的思路以及遇到的问题，希望能有人交流一下（哭，效果一直不好，找不到原因）。

---

主要是参照cvpr的这篇论文Person Re-Identification by Multi-Channel Parts-Based CNN with Improved Triplet Loss Function.pdf（链接http://z-yt.net/tmp/cvpr2016/content/papers/8851b335.pdf）。按照论文中的说法，其最简单的用原始triplet loss和一个网络分支在VIPER数据库上就能达到top1 34%的正确率。可是臣妾经过一番折腾，表示做不到啊，相同的网络和loss我的top1在15%左右，差距简直不要太大。（我的batch设为30）

我做深度学习用的是caffe，tripletloss层参考的是 博客http://blog.csdn.net/tangwei2014/article/details/46812153中的写法，另外我在triplet loss层前面又加上了一个select层用于将anchor、positive、negative分成三个输出作为loss层的输入。则样本的组织形式为如下
anchor1
anchor2
positive1
positive2
negative1
negative2
此处拿batchsize为6来举例，则一共有两对triplet三元组，（anchor1，positive1，negative1）和（anchor2，positive2，negative2），他们是一一对应的在一个批次中，当然这在组织imag_data的输入list中得事先组织好三元组。另外修改过的地方还有data_transformer.cpp加入了可以随机crop不同宽高的代码。

这是caffe中修改过的代码的文件
http://download.csdn.net/download/gu_gu_/9759615，由于鄙人才疏学浅，又是第一次做深度学习，在训练和运用上都没有经验，还望高人能够指点一二，不胜感激。