- 博客(6)
- 收藏
- 关注
原创 Vehicle Re-Identification in Context
问题:现有的车辆重识别主要是基于人工的测试场景,假设在几乎恒定的车辆图形尺度之下有高质量的图形和精细的外观,例如veri776中。但是,现实当中的图形的分辨率却存在着很大的不同。这使得车辆重识别在真实地性能方面收到限制。贡献:(1)提出了一个新的数据集,这个数据集更加现实而且限制性更小在分辨率,运动模糊,光照,遮挡,视角。它在白天和夜间的异构道路交通场景中捕获了60种不同的5,622个车辆身份的60,430张图片。 鉴于这一新基准的性质,我们通过从多分辨率图像中学习更辨别的有效特征表示。(2)提出了
2021-07-30 20:29:15
188
原创 Unsupervised Person Re-identification via Softened Similarity Learning——软化相似度学习的无监督人员再识别
背景:本文研究了re-ID的无监督设置,它不需要任何标记信息,可以自由地被应用到到新的场景中。到目前为止,无监督训练最好的方法之一是使用迭代聚类和分类,将未标记的图像聚类成伪类,以便分类器得到训练,并使用更新后的特征进行聚类等等。该方法采用了迭代聚类和深度学习机制,其中网络基于无监督聚类生成的伪标签进行训练。解决问题:该方法存在两个问题,即聚类个数难以确定和聚类过程中难以量化的损失。解决方法:在本文中,我们遵循迭代训练机制,但抛弃聚类,因为它会因硬量化而损失,但它唯一的结果,图像级相似度,可以很容易
2021-07-30 20:27:56
276
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