从人脸检测与识别到跨模态行人再识别---------开启崭新的科研之路

        研究生开学两星期了,我也逐渐踏上新的科研之路。导师给我安排的方向是行人再识别(ReID),鉴于研究生阶段时间安排比较自由,所以我打算写一系列的博客来记录这一科研过程,一方面是为了给自己的读研生活留下一点痕迹,为以后的毕业论文什么的提供一份参考,另一方面,希望和一些同方向的人能有些交流,要是还能够帮助到一部分想进入这块领域研究的人那是再好不过了。

       就行人再识别这块领域而言,我其实并不是特别看好,目前比较先进的成果准确率都不是很高,这和之前做的人脸检测和识别不同,人脸检测与识别的所应用的场合一般都是正脸,特征提取相对容易,而行人再识别涉及到的是全身,并且不同角度下拍摄的同一个人差别会很大,有的摄像头拍摄的照片不是很清楚,导师还要求是要在跨膜态的条件下实现行人再识别,所谓跨模态就是既有普通摄像头拍的RGB图像,又有红外图像,我看了一部分样本库,感觉有时候咱们一个正常的人都不一定能百分百识别出跨模态下的同一个人,更别说计算机了,可见这块领域的研究难度确实大,但作为一个课题而言,只要能找到一种新的方法或者对现有的方法提出一定改进能够达到目前较为先进的方法的检测率,或者略微有所提升,这就算出了点成果,可以发论文了,导师瞄准的恰恰就是这块,想在一个别人没有怎么涉及到的地方做出一点创新,而深度学习的网络目前发展的已经比较成熟了,想依靠改进网络去提高准确率似乎已经很难,因此导师让我们重点关注特征的提取,也就是说寻找一种能较好应对跨模态情形下的特征,毕竟不管用什么摄像头拍摄,既然拍的是同一个人,那必定有相似之处。

      任务已经很明确了,接下来就是行动,首先在研一我打算完成以下几部分内容:1.阅读论文,了解ReID的各种方法 2.熟悉pytorch的使用(pytorch是一个深度学习的框架,类似tensorflow),掌握用pytorch去搭建神经网络,先实现手写数字识别什么的,为以后做个铺垫 3.实现某些ReID的算法

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值