Unsupervised Person Re-identification: Clustering and Fine-tuning
- 思想很清晰：
a) 用其他的標注數據集先訓練一個pre-trained model；
b) 用這個model提取training的特征
c) 把提取的feature做一個K均值分類，然后算一個中心特征
d) 每類距離中心特征小於閾值的樣本被選出來，回到a) fine-tune model
- 擴展到Semi-supervised：每類加一些標注的數據
- K的設定：
- 作者設置了不同的k進行效果驗證
- 最后直接按照每個數據集的id數目設置效果最好
- Selection的閾值：嘗試了不同的值
