论文题目：Invariance Matters: Exemplar Memory for Domain Adaptive Person Re-identification。

         论文作者：Zhun Zhong, Liang Zheng, Zhiming Luo, Shaozi Li（通讯作者）, Yi Yang。

         论文简介：本论文旨在解决行人再识别中的领域适应问题：利用有标注的源数据和无标注的目标数据集同时学习一个行人再识别模型。主流的研究方法主要通过降低源域和目标域之间的特征分布的差异。然而，这些方法忽略了目标域的域间变化，这些变化中包含了影响目标域测试性能的重要因素。在本文的工作中，我们全面的探讨了目标域中的域间变化，并基于三种潜在的域内不变性（样例不变性，相机不变性和领域不变性）提出了一个新的模型泛化方法。为了实现这个方法，我们在模型训练过程中引入了一个样例记忆模块用以存储目标数据在训练过程中的中间特征。该样例记忆模块可以使我们快速的计算目标域中局部训练样本和全局样本的相似性，同时有效的在模型训练中加入提出的三个不变性限制。实验证明本文提出的三个不变性性质对提升领域适应的性能是不可或缺的。同时，我们的方法在三个行人再识别的目标域中的准确率大大的超过了当前现有的方法。