II related work
A讲了传统的feature representation和metric learning的发展过程，并在最后说明他们存在的缺点：
（1）效果被提取的feature所限制
（2）feature representation和metric learning两个独立求解优化过程，他们之间的关系不能被发掘
（3）metric learning适应现有数据集，但无法调整
B讲了Deep Learning现在deep用在图像的分类检测的方面，行人再标识也有，相关的人脸识别的应用，在reid主要两个基本的做法：用于提取特征，当作二分类办法解决，存在正负样本不均衡的缺点。
III DEEP RANKING FRAMEWORK
Overview：训练时候，有label的数据ranking后放入deep CNN，得到每对图片近似分的分值，根据分值位于前面的correct match；惩罚排序错乱用最小化每个的正样本总的排序得分——>放入deep，求解优化
Formulation：先说明了一些符号，对于一个probe，它的gallery为G，根据相似度产生一个排序，只认为排在第一个是correct match，x+，其他为neg match，G-，则有
f (x,x+) > f (x, y), ∀y ∈G−,
f是一个映射，表相似度，如下公式可以表示为一个归类问题，用0-1loss function，I是一个函数，表达为正取1（错分），反之取0（对分），当然是总的sum越低越好，这样有个好处在难以找出剩下谁比较接近情况下可以简单忽视 
使得所有probe的sum最小，为最终的目标函数 
接着替换下loss function，可能高级一点的loss更好吧 
替换后是这样的： 
让deep CNN去学习这个f从图片学习而不是特征
Network Architecture 
5个卷积层+3个全连接层，有点类似AlexNet，为了输入的方便，把两个图像连在一起，是256×256（单个行人图像是256×128），这样就不用设计输入的模型（但这里我不知道是同一个行人还是不同个行人）
卷积操作如下 
x表示该层的feature map，k是两层之间的卷积核，激活函数用relu，pooling层用在1，3，5卷积层后面（pooling的结果是使得特征减少，参数减少，但pooling的目的并不仅在于此。pooling目的是为了保持某种不变性（旋转、平移、伸缩等），常用的有mean-pooling，max-pooling和Stochastic-pooling三种。）并且第1，2层pooling进行LRN归一化操作
最后三层是全连接层，如下，w和b分别是权重和偏置 
全连接层的每一个结点都与上一层的所有结点相连，用来把前边提取到的特征综合起来。由于其全相连的特性，一般全连接层的参数也是最多的。前两个全连接层，降维，提取到有效特征。最后一层起到计算相似度和距离的作用，有下面公式 
f依旧是相似度，<>表两个向量的内积
所有层的激活函数都是RelU，前两个连接层用了Dropout防止过拟合，（对于Dropout的作用可以参考下面的网站，讲的比较清楚http://blog.csdn.net/stdcoutzyx/article/details/49022443
dropout它强迫一个神经单元，和随机挑选出来的其他神经单元共同工作，达到好的效果。消除减弱了神经元节点间的联合适应性，增强了泛化能力。产生的向量具有稀疏）））
讲到了网络深度和样本的问题，行人再标识中，single-shot，样本少，不可用太深的网络，但深的网络效果好，解决：pre-trainin。
IV OPTIMIZATION
网络训练用SGD，数据形式ranking unit
