补充

• Awesome Segmentation Domain Adaptation
• Awesome Vehicle Retrieval
• Awesome AutoDL
• Awesome Fools
• Awesome Geo-localization

补充一下我们 CVPR2019的paper 代码开源了。“Joint Discriminative and Generative Learning for Person Re-identification” 目前1000个star，欢迎大家关注。https://github.com/NVlabs/DG-Net

悉尼科技大学也开源了AICity 2020 比赛中冠军的代码 (https://github.com/layumi/AICIty-reID-2020), 领先第二名 约6个百分点； 另外，开源了IJCAI 2020的代码(https://github.com/layumi/Seg_Uncertainty), 做的是无人车场景下的语义分割迁移，达到比较高的结果。欢迎各位关注～

CVPR2020 AICity比赛中冠军的代码https://github.com/layumi/AICIty-reID-2020

@Admin

1. 行人重识别是一个open set问题， 利用特征匹配来测试，而不是利用预测的概率进行分类。所以不需要训练集与测试集的类别相同。
2. 对于新的id，我们依旧可以提取他的中层特征，作为这个人的描述（descriptor）来与其他图像匹配，计算相似度。
3. 一般采用分类层前面的输出，比如resnet中pool5的结果，而不是类别的预测结果。