祝贺实验室团队硕士生涂远鹏一篇论文“Salience-Guided Iterative Asymmetric Mutual Hashing for Fast Person Re-identification”被IEEE Transactions on Image Processing录用。文章提出了一种显著性引导的迭代非对称互学习哈希方法（Salience-Guided Iterative Asymmetric Mutual Hashing, SIAMH）用于行人再识别系统的加速。通过设计的显著性引导的自蒸馏分支（Salience-guided self-distillation branch, SSB），SIAMH可以从图像中最显著的区域生成哈希编码从而显式降低编码间的信息冗余，提升哈希编码的性能。另外本文还提出了一种迭代的非对称互学习策略(Iterative asymmetric mutual training, IAMT)缓解互学习策略的缺点，使得两个模型从彼此生成的结果中获取互补的暗知识。除此之外，IAMT与SSB可以互相促进，形成正向循环。相比于现有的哈希行人再识别方法，SIAMH在多个大规模行人再识别数据集上均取得了更优的结果，同时相比于实值方法，可以显著提升检索效率。