论文阅读笔记（十八）【ITIP2019】：Dynamic Graph Co-Matching for Unsupervised Video-Based Person Re-Identification

论文阅读笔记（十七）ICCV2017的扩刊（会议论文【传送门】）

改进部分：

（1）惩罚函数：原本由两部分组成的惩罚函数，改为只包含 Sequence Cost 函数；

（2）对重新权重改进：

① Positive Re-Weighting：

其中 若太大，则选择的样本标签的可信度小；若太小，则样本数量不足以进行矩阵学习，因此设置如下的：

其中，σ为 [0, 1]，如果 σ = 1，则说明充分相信样本估计的可信度，反之设置为 σ = 0.

② Negative Re-Weighting：

对于所有被估计为负的样本对，全部设置为：

（后续进行矩阵学习过程不变）

（3）Co-Matching策略：

将视频序列划分为两个子序列，收敛为两个聚类，标签设置如下：