• 歩行者検出実験中，前にすでにYOlOv 3の歩行者検出実験を実現しました。しかし、リアルタイムの目標検出技術は急速に改良され、結果も驚くべきものである。4月、YOLOvシリーズの継承のもと、YOLOv 4が世に出た《YOLOv4: Optimal Speed and Accuracy of Object Detection》。5月、YOLOv 4を超え、より速く、より良い目標検出ネットワークPP-YOLOが出現しました《PP-YOLO: An Effective and Efficient Implementation of Object Detector》。6月，Glenn JocherがYOLOv 5のPyTorchを公開しましたhttps://github.com/ultralytics/yolov5、現在の最先端の目標検出技術、推理速度は現在最強です。
• 歩行者の再識別に関しては、実際の応用に向けて、ECCV 2020が発表したばかりの論文を読みました《Interpretable and Generalizable Person Re-identification with Query-adaptive Convolution and Temporal Lifting》、主にReID適応問題を解決します。

• この間、論文《Deep Learning for Person Re-identification:A Survey and Outlook》を読みました。また、CVPR 2020を一般的に読むことによりReIDに関する最新技術https://github.com/amusi/CVPR2020-Code，データセットに基づくReIDのクエリ精度はすでに非常に高いですが（detection+ReIDを2ステップに分ける）、しかし、このアプリケーションを実際にどのように適用するかについては、ほとんど触れていません（detection+ReIDを結合する）。
• 実験は進行中です、論文《Neural Person Search Macines》は主流のReIDとは違って、detection+ReIDを結合して作って、NPSM方法を提案して実現します。見せられたattention mapから見ると、方法は比較的良いです。しかし、多くの論文の詳細は明らかにされていません、主な思想は参考に値する。

• 過程での原稿の整理と記録に注意します。

• LaTex形式整形を完成しました、まじめな態度はどんな場合でも必要です。

• 論文を読み続け、先週は主に評価指標とVideo-based ReIDの勉強でした。
• この間、ReID全体の研究フローをもう一度通過しました、そして、新しい技術を紹介する論文を読みました、さらに実験を行いたいと思います。
• 張先生は新しい内容を手配しましたが、どうやって完成しますか？よく考える必要がある。
• 週末連続の研修館協力学習イベントは先週末に一時終了しました。
• 梅雨入り、雨が多すぎます。

• 先週は主に以前に損失関数を研究した上で、Rankingに関する内容を勉強し、ReID常用データセットに関する内容を整理しました。
• 先週の木曜日に西日本工業大学に友達を訪問したついでに、図書館、教室、コンピュータルームなどを見学しました、中国と比べて、考えるところがたくさんあります。
• 今週の土曜日（7月11日）国際研修館協働学習活動発表用のPPTができました。

関連課题題究:

• 前に読んだ論文と結び付けて、FastReIDとOSNet（omni-scale feature learning）のDeep ReID Architectures と Training strategyを比較分析しました。
• ReIDの一般的な損失関数の応用を研究して整理して、Cross-entropy loss、Arcface loss、Circule loss、Triplet loss、Verication LossとOIM lossなどを含みます。

その他：国際研修館と明専寮生の協働学習活動

• 先週の授業の余暇時間はLINEでグループメンバーと話し合い、作品の制作と提出を完成しました。
• 土曜日はZoom配信でオンライン作品発表とグループ間の作品評価活動を完了しました。今週の火曜日までにもう一つの400字のまとめが提出されます。

関連課题題究:

• 引き続き論文《FastReID：A Pytorch Toolbox for Real-world Person Re-identification》と《Deep Learning for Person Re-identification: A Survey and Outlook》。前者は主にそのネットワーク構築を学び、関連コードを読む。後者は更にこの課題を全面的に理解する以外に、この文章の中に少なくとも二つの観点がめって、思考に値します。第一に、新しい評価指標mINPの提出、第二にReIDをClosed-world と Open-worldに分けて、実際の応用から論証と研究を行います。

その他：

• 先週の土曜日と日曜日、二日間にわたって、Zoom 配信方式で国際研修館と明専寮生の協働学習活動を行いました。先生説明、資料配布、課題提出、グループ討論、発表成果物作成などを含みます。テーマはCOVID-19についてです、例えば、新型コロナウィルスへの反応として出てきている、ステレオタイプ、偏⾒、あるいは差 別を⼀つ取り上げる、そのステレオタイプ、偏⾒、あるいは差別に関連し、⼈々を「共⽣」に促すためのビジ ュアル・メッセージを作成する。2つのグループプロジェクトが割り当てられており、今週の火曜日と日曜日までに提出しなければなりません。だから、週末の二日間わたしたち達のグループの四人のメンバーはずっと話し合いと制作について話しています。

1. 引き続き論文《Deep Learning for Person Re-identification: A Survey and Outlook》と《Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking 》、勉強しながら基礎知識を整理する。
2. 顔認識（Face recognition ）は、以前出会ったdlib問題を解決しました。
3. 2020年5月、つまり先月末、JD AI Research学術界と工業界に向けたReID Toolbox –FastReIDを公開したばかりです。(概要、FastReID provides a complete toolkit for training, evaluation, finetuning and model deployment. Besides, FastReID provides strong baselines that are capable of achieving state-of-the-art performance on multiple … Continue Reading ››
   

• Latexで中国語を処理してみました、時々必要ですから。通常の場合、Latexは中国語をサポートできません。いろいろな方法を試しましたが、最後に各種の検索を経て、中国語のマクロパッケージCJKとCTEXを使ってLatexを実現しました。この方法を洪さんと顧さんに教えました。彼らもこの問題で困っています。https://blog.csdn.net/z_feng12489/article/details/90449495
• 論文を読みながら、Latexを通して関連文字の整理と記録を行い、卒業論文をまとめていきます。
• 《Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking 》、他の論文はReIDの並べ替えの正確性を高める方法を研究しています。この記事は他の観点からシステムの出力を邪魔する学習の間違った並べ替えのモデルを提案しています。ネットの安全問題は無職できません、どんなシステムの健全性も重要です。この論文は新しい研究の構想を示しています。この問題も初めての接触です。見たところ、実現前に研究したGANによって実現されました。コンピュータ視覚研究分野におけるGANの重要性と言わざるを得ない。
• 《Image-Image Domain Adaptation with Preserved Self-Similarly and Domain-Dissimilarly for Person Re-identification》、ReIDの研究については、現在は基本的に既存データヤットで検証されています。歩行者の状態と行動の不確実性のため、リアルタイムReIDを実現するのは難しいです。まず研究の過程で「どのように訓練をきちんとしたモデルを実用的な応用シーンに移すか」という実際問題に出会い、この論文を読みました、CycleGAN問題に戻りました。
• 《A Simple Baseline for Multi-Object Tracking》、また、ReIDについては以前の研究は認識と追跡を二段階に分けて行い、2020年4月7日にリリースされたの２つのステップが同時に完成しました。今週は引き続き真剣に読まなければなりません。
• 《Deep Learning for Person Re-identification: A Survey and Outlook》、この論文は2020年初頭に発表された、245編の近年のReIDに関する論文を調査し。この方法の技術的進展を概観して、将来のReID技術の発展にいくつかの価値がある方向を示した。これは最近一番読むべきReIDの概要だと思います。