因为图片质量差，拍摄角度限制，和不同酒店房间相似的物品，从酒店房间的图像中识别出酒店是人口贩卖调查中的一项挑战。为了支持这一任务，我们提供了一个包括 50,000 家酒店中超过 1,000,000 张图像的数据集，并采用了一些数据增强方法，运用标准的网络架构来进行基准测试。

Jan, 2019

酒店识别是反人类贩卖调查中的一项重要任务，我们为此提出了一个基于 2021 年 Hotel-ID 数据集的新方法，该数据集由 TraffickCam 移动应用程序提供，利用该数据集训练的模型可以准确地缩小正确酒店的范围，以帮助打击人类贩卖。

Jun, 2021

本文介绍了一种完整的方法来评估人物重新识别方法及其训练数据集在无监督实时操作方面的适用性，并以三个数据集为基准测试了四种方法，提供指南以帮助未来设计更好的人物重新识别流水线。

Dec, 2022

本文提出了一种针对第五届 AI 城市挑战赛数据集 Track 2 的车辆识别方法，包括缩小真实与合成数据之间的域间差距、通过堆叠多个具有注意力机制的网络头进行网络修改、自适应损失权重调整等。该方法在不使用外部数据集或伪标签的情况下，在私人 CityFlow 测试集上实现 61.34％的 mAP，并在 Veri 基准测试中以 87.1％的 mAP 超越了所有先前的工作。

Apr, 2021

本文研究图像检索基准测试中的问题，特别是注释错误、数据集大小和难度水平等方面，并创建了新的数据集注释，引入了三个不同难度的协议以公平地比较不同方法，在新基准测试中进行了先进方法的广泛比较。

Mar, 2018

这篇论文对于人员再识别技术进行了全面的评估和表现评估，并实现了一个包括 11 个特征提取算法和 22 种度量学习技术的统一代 码库，使用 17 个不同的数据集进行了评估，旨在为这个领域提供公开、准确、全面的基准。

May, 2016

提出一种基于人机交互 (Human Verification Incremental Learning) 的人体再识别模型，将人类反馈信息累计到模型中，从而实现模型的标记无关性和可伸缩性，同时使用正则化的度量集成学习 (Regularised Metric Ensemble Learning) 模型，当没有人类反馈时将一系列增量学习的 HVIL 模型结合成单个集合模型，以处理大型库问题。

Dec, 2016

本文提出了 HotelRec，这是一个基于 TripAdvisor 的非常大规模的酒店推荐数据集，包含了 5000 万条评论。这是公开发布的最大的酒店领域数据集，并且是单个领域的最大推荐数据集和具有文本评论的最大数据集。

Feb, 2020

通过引入大规模、多样式和跨样式三个基准，该研究提出了解决主观性挑战的方法，包括非局部融合模块和属性对齐模块，取得了在这些基准中的领先性能。

Sep, 2023

本文介绍了我们在 AICITY21 车辆重识别比赛中赢得第一名的解决方案，该方案使用了车辆重识别、无监督领域自适应训练、后处理、模型组合等技术，并结合了裁剪训练数据和使用合成数据等方法。最终模型达到了 0.7445 的 mAP 得分。

May, 2021