111：****
Camera Style Adaptation for Person Re-identification
相机风格适应行人重新识别
1.行人重新识别、相机风格（CamStyle）、CycleGAN、标签平滑正则化（LSR）
链接：https://blog.csdn.net/qq_36269513/article/details/80497512；
https://blog.csdn.net/u014314005/article/details/80839282；
https://blog.csdn.net/weixin_40955254/article/details/80991345；
2.通常，相机在分辨率，环境照明等方面彼此不同。在解决相机变化的挑战时，文献的前一部分选择隐含策略。那就是学习在不同相机下具有不变性的稳定特征表示，如果可以向训练行人添加更多样本，了解相机之间的风格差异，我们能够1）解决数据稀缺问题重新识别问题和2）学习不同摄像机的不变特征。更重要的是，这个过程不应该花费更多的人工标签，因此预算保持较低。
3.在本文中，通过引入相机风格（CamStyle）适应性来明确地考虑这个挑战。 CamStylecan作为一种数据增强方法，可以平滑相机风格的差异。具体地，利用CycleGAN，标记的训练图像可以被样式转移到每个摄像机，并且与原始训练样本一起形成增强训练集。这种方法虽然增加了数据多样性以防止过度拟合，但也会产生难以理解的噪声水平。为了减轻噪声的影响，采用标签平滑正则化（LSR）。
4.本文的缺点是会有过拟合现象产生，但总体情况下，无论是否过度拟合，与现有算法相比依旧有更高的准确率。
5.是 Zhun Zhong, Liang Zheng 厦门大学
看看链接上别人写的，emmmm感觉又制造了一个辣鸡
