IV OPTIMIZATION
网络训练用SGD，数据形式ranking unit
A.Ranking Unit Sampling
每个unit包含一个probe x，还有对应的正确匹配x+，相关集Rx，Rx来自G-，但没有取全部G-。为了计算处理。
loss is 
loss对要求的f求导。损失相似度的梯度是 
三元组约束问题，增加基数Rx=1变为Rx=4，为了使正负训练样本更适合（具体怎么解没说，不懂）
B.Training Strategies
(1)Pre-Training
用其他dataset的数据预训练，微调参数
(2)Relaxing the cross-view constraint:
G-取的必须和x不同个相机，放在约束，同个相机也可以，为增加数据
(3)Data Augmentation
扩大数据也就是图片处理。三种：flip，翻转，每个子照片按中心垂直线翻转0.5；两个图片交换位置0.5，可以产生8种；crop随机去227×227大小的patch（试过5个patch，*和四个角，效果差不多）
test时候也是一样，在8中情况下取中间的crop
V EXPERIMENT
1三个dataset：两个single-shot、一个multi-shot 
2和其他deep-based的算法比较 
3close-world和open-world 
4cross-dataset 