雷锋网AI科技评论按：提到计算机视觉领域的研究，大家可能最先想到的是人脸识别，其实还有一个更为实用的研究应用——行人再识别。行人再识别是利用计算机视觉技术在图像或视频中检索特定行人的任务，面临着视角变化大、行人关节运动复杂等诸多困难，是一个极富挑战的课题。本文就来为大家重点介绍一下行人再识别的一些基础知识及最新研究进展。

　　2017年，行人再识别研究飞速进展。例如，在公开数据集Market-1501上，一选正确率从2016年ECCV中较高的65.9%提高到2017年ICCV中的80+%，arXiv近期一些paper更是将该指标刷新到95%左右。来自清华大学信息认知与智能系统研究所的孙奕帆同学在ICCV 2017中一篇spotlight论文《SVDNet forPedestrian Retrieval》。这篇论文将全连接层权矩阵解读为特征空间中的一组投影基或是一组模板，联合奇异值分解（SVD）优化深度特征学习过程，取得了显著的性能提升，并揭示了非常有趣的机理现象。以下内容根据孙奕帆同学在雷锋网GAIR大讲堂上的直播分享整理而成。

　　孙奕帆，清华大学电子系博士在读，主要研究方向为计算机视觉、行人再识别及深度学习应用。

　　分享主题：行人再识别论文介绍及最新进展