FAQ：about spatial-temporal model

[ahangchen]

Q: TFusion代码的rank-reid部分由于函数调用较为复杂，使得我对于文章中P(ci,cj,Δij|Si||-Sj)的计算过程不是很明白。
具体来说，rank-reid部分st_estim.py中61行提到的fusion_param['renew_pid_path']我一直没找到具体的值，也一直不知道其具体含义，这使得我在理解融合模型三个具体的概率计算上出了问题。您是否愿意仔细介绍一下P(ci,cj,Δij|Si||-Sj)、P(ci,cj,Δij)这两个概率的计算过程（最好能举例）。就Market数据集来讲，计算P(ci,cj,Δij|Si||-Sj)需要视觉分类器判断两个模型包含同一个人，那么计算它是否面临较高的复杂度？

A:

• renew_pid_path是按照图像相似度排序得到的的person id，比如Market1501训练集中这个文件是一个12936x12936的矩阵，将这个矩阵存储在renew_pid_path指示的路径下
• Si=Sj这个条件是由这行代码控制的，只统计相似度top10的样本的时空分布
• st_estim.py只是计算了deltas并存储下来，具体的概率计算是在track_prob.py这个文件中的track_score，是一个极大似然估计，调用是在st_filter.py中的*_track_score系列函数中
• 关于“视觉分类器是否包含同一个人”的复杂度，由于我们需要对图像模型本身做精度评估，本身就需要计算所有图片之间的图像相似度，而融合只是将这个相似度拿过来利用而已，并没有增加额外的计算量。
  另外，图像相似度计算可以用GPU加速，速度很快。