- 博客(6)
- 收藏
- 关注
RSS订阅原创 【论文阅读|WACV2022|HIERMATCH】
HIERMATCH通过引入标签层次结构，将不同粒度的标注信息统一到半监督学习框架中，并通过特征解耦与梯度阻断机制实现跨层信息的有效利用，在降低标注成本的同时保持甚至提升模型性能。
2026-04-19 23:59:39
487
原创 【论文阅读|CVPR2025|Pose2ID】
该框架在训练过程中充分利用了身份中心周围特征的自然聚类行为。通过引入特征集中的概念，我们有效地降低了单个样本中的噪声，并在不进行模型训练的情况下增强了身份表示。该方法包括一种身份引导的行人生成范式，即使在可见光、红外和遮挡场景等具有挑战性的条件下，也能生成具有一致身份特征的高质量多姿态图像。邻居特征集中算法在挖掘潜在正样本的同时，也保留了特征的原始分布。它还可以灵活地与现有的重新排名方法集成。
2025-07-06 18:40:09
2509
1
原创 【论文阅读|CVPR2025|Cheb-GR】
原文地址：会议：CVPR 2025现有的Re-ID 方法依赖于计算昂贵的k-nearest搜索来识别相似的图像，这限制了它们的实际适用性，特别是对于大规模数据集。因此，作者提出了Cheb-GR，避免了寻找k-nearest的需要，大大降低了计算成本。
2025-06-29 17:26:11
1849
1
原创 【论文阅读|无监督行人重识别研究综述】以及我对Re-ID的理解
题目：无监督行人重识别研究综述论文：A Survey on Unsupervised Person Re-identification年份：2024 引言：行人重识别(Person re-identification, ReID)主要 研究跨不同摄像机的相似人物图像检索问题。 ReID 主要目标是给定一个要查询的行人图像，确定 该行人是否在不同时间出现在不同地方，或者是不同 时间出现在同一个地方。主要就是找出两个摄像头下出现的同一个人。卷积神经网络，Transformer，.无监督学习现有的
2025-06-27 17:56:12
2074
1
原创 【论文阅读|无监督学习的车辆重识别方法研究综述】
摘要：本文综述了2023年无监督学习在车辆重识别领域的研究进展。无监督方法克服了传统监督学习对标注数据的依赖问题，主要聚焦于特征表示学习和跨域适应技术。文章分析了基于聚类、对比学习等方法的最新成果，探讨了模型在真实场景中的泛化能力和性能瓶颈。研究显示，无监督学习在减少标注成本的同时保持了较高的识别准确率，但仍面临视角变化和光照条件等挑战。该综述为车辆重识别技术的实用化发展提供了重要参考。
2025-06-23 08:55:27
908
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人