同樣來自中山大學Weishi Zheng老師組的一篇unsupervised person reid，但這篇不是domain adaption，而是只有unlabeled data。
PCB等監督模型的出現表明分塊對於行人重識別的有效性。因此這篇文章利用分塊的思想解決非監督問題上。
整個模型如上圖：
- 輸入：包括原圖像和預處理圖像，預處理包括crop, scaling, rotation, brightness, contrast和saturation。其中預處理是對整張圖像做而不是圖像塊做
- 整個模型包括PatchNet和兩個loss。PatchNet包括CNN backbone和patch generation network (PGN)。backbone用作特征提取；PGN用作預測不同的分塊位置，以輸出不同的分塊。整個PatchNet在另外的label dataset上預訓練。顯然和PCB直接進行水平分塊不同，該模型是自適應分塊的。
- PGN包括一個a localization network (LN), patch sampling grids 和 sampler.具體細節參考NIP15文章Spatial transformer networks
loss部分是兩個contrast learning loss：
- 一個loss$\mathbb{L}_c^m$是instance level的softcross entropy，顯然也是借鑒了cvpr18年的Unsupervised feature learning via non-parametric instance discrimination。簡單來說就是設置feature bank，$W^m=\{w_j^m\}_{i=1}^N$，N是訓練集圖像數目，m應該是$m=1,...M$（即M個patch）。每次forward更新部分bank
每個patch分類到自己的instance那一類，有
- 另外一個類是triplet loss$\mathbb{V}$
- 正樣本對是原圖像塊和同一張圖像的預處理圖像塊
- 負樣本對的選擇：在每個mini-batch中，l2 norm和點乘的方式計算patch間的余弦相似性並排序，最相似的前$r$個認為是positive，negative中的第一個被當做hard negative
