本文提出了一种改进的深度学习架构，用于行人再识别任务，通过引入Cross-Input Neighborhood Differences layer和Across Patch Features layer提高了在CUHK01、CUHK03和VIPeR等benchmark上的性能，并显示了在小数据集上通过预训练和微调也能达到state-of-the-art的效果。
[1] Ejaz Ahmed, Michael Jones, Tim K.Marks. An Improved Deep Learning Architecture for Person Re-Identification. In CVPR 2015.
改变神经网络的架构，提高在benchmark上的performance 使用dnn来做行人再识别(pedestrian re-identification)，引入了两个新的layer—Cross-Input Neighborhood Differences layer、Across Patch Features
最低0.47元/天 解锁文章
扫一扫
939
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
