TransReID: Transformer-based Object Re-Identification

最新推荐文章于 2024-07-23 14:40:19 发布
最新推荐文章于 2024-07-23 14:40:19 发布
阅读量1.4k 收藏 1
点赞数
分类专栏： 计算机视觉论文速递 Transformer Re-ID 文章标签： 人工智能 深度学习 机器学习 神经网络 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/amusi1994/article/details/113838073
版权
TransReID是首个使用纯Transformer进行ReID任务的研究，展示在行人和车辆重识别上的优越性能。作者从阿里巴巴和浙江大学提出ViT-BoT基线，并设计了两个独特模块，以提升Transformer在ReID任务中的表现。实验结果显示TransReID达到了SOTA水平。
摘要由CSDN通过智能技术生成

据作者称，这个第一个使用纯Transformer进行ReID研究的工作（其中提出ViT-BoT强劲的baseline），TransReID在行人和车辆重识别任务上均表现SOTA！Transformer杀疯了

注1：文末附【Transformer】和【Re-ID】交流群

注2：整理不易，欢迎点赞，支持分享！

TransReID: Transformer-based Object Re-Identification

  • 作者单位：阿里巴巴, 浙江大学
  • 论文：https://arxiv.org/abs/2102.04378

在本文中，我们探讨了基于视觉Transformer的ViT，将其用于目标重识别（ReID）任务。经过几次改进，以ViT为骨干构建了一个强大的基线ViT-BoT，在几个ReID基准上，该结果与基于卷积神经网络（CNN-）的框架可比。
在这里插入图片描述

此外，考虑到ReID数据的特殊性，设计了两个模块：

（1）对于Transformer，将摄像机或视点之类的非可视信息编码为矢量嵌入表示形式是非常自然和简单的。插入这些嵌入中，ViT可以消除由各种相机或视点引起的偏差。

（2）我们设计了与全局分支平行的Jigsaw分支，以促进在两分支学习框架中训练模型。在Jigsaw分支中，设计了一个Jigsaw patch模块

最低0.47元/天 解锁文章
Amusi（CVer）
关注
专栏目录
【论文笔记】TransReID: Transformer-based Object Re-Identification
m0_51358406的博客
12-26 2625
TransReID 论文地址：https://arxiv.org/abs/2102.04378 代码：https://github.com/damo-cv/TransReID 这篇笔记是按照自己本人的习惯写的（一些词语喜欢用英语表示）；在看这篇论文之前，最好了解下ViT。感谢指教:) 论文阅读 Abstract one of the key challenges in ReID:Extracting robust feature representation. CNN：（缺点）一次只处理一个局部邻域，由于卷
论文阅读（一）TransReID: Transformer-based Object Re-Identification
sinat_61870475的博客
12-02 1116
Transreid论文解读，CNN由于感受野有限，缺乏长距离依赖，引入attention机制并没有解决长距离依赖问题，基于attention的方法倾向于关注大的连续的区域，很难提取多个有判别力的部分。CNN中下采样操作（如strided convolution和池化）会降低特征图分辨率，可能会丢失有用的细节信息。
Person Re-Identification（Re-ID）的分类
最新发布
weixin_51678401的博客
07-23 643
整体行人重识别是最基础和标准的行人重识别任务。其假设行人在图像中的全身是清晰可见的，没有被遮挡或部分缺失。目标是通过行人的全身图像来进行识别。局部行人重识别指在图像中只有行人的部分可见，而非整个身体。这种情况常见于行人被部分遮挡、图像裁剪或行人位于图像边缘等情况。遮挡行人重识别是指行人在图像中被其他物体或行人部分遮挡的情况。这种情况在现实场景中非常常见，如行人被树木、车辆或其他行人挡住。整体行人重识别、局部行人重识别和遮挡行人重识别是行人重识别任务中的不同场景。
论文TransReID: Transformer-based Object Re-Identification
pumpkin_girl的博客
06-22 583
论文学习TransReID: Transformer-based Object Re-Identification（2021ICCV），侧重于方法及实现，结合代码进行介绍
TransReID: Transformer-based Object Re-Identification论文笔记
weixin_43974261的博客
10-13 547
Abstract 做的两件事： 提出jigsaw patch module (JPM) ，有助于更鲁棒特征表达的学习； 提出side information embeddings (SIE)，通过插入可学习的嵌入来合并这些非视觉线索，从而减少对相机/视图变化的特征偏差。 是第一个使用纯transformer的工作。 Introduction 回顾CNN方法发现了两个问题。 1.在全局范围内利用这些丰富的结构模式对于ReID至关重要。但由于有效感受野的高斯分布，基于CNN的方法主要集中在小的辨别区域。 2
【论文阅读】TransReID: Transformer-based Object Re-Identification
weixin_43169773的博客
12-28 2739
论文代码链接论文原文链接 摘要 目标重识别的关键就是提取鲁棒的特征！ 之前方法的弊端：卷积神经网络(CNN)的方法一次只处理一个局部邻域，并且由于卷积和下采样算子(如池化和跨卷积)导致细节信息丢失。 提出：纯基于transformer的目标ReID框架。 具体来说：我们首先将图像编码为一系列补丁，并通过一些关键改进构建基于transformer的强baseline，这在使用基于cnn的方法的几个ReID基准上取得了有竞争力的结果。为了进一步增强transformer背景下特征学习，设计了两个新的.
transreid: transformer-based object re-identification
03-16
transreid是一种基于transformer的目标重新识别技术。它使用transformer模型来学习目标之间的相似性，并将其应用于重新识别任务中。这种方法可以在不同场景下实现目标的准确识别，具有很高的应用价值。
TransReID：首个基于Transformer的目标Re-ID
阿木寺的博客
02-17 4733
据作者称，这个第一个使用纯Transformer进行ReID研究的工作（其中提出ViT-BoT强劲的baseline），TransReID在行人和车辆重识别任务上均表现SOTA！Transformer杀疯了 注1：文末附【Transformer】和【Re-ID】交流群 注2：整理不易，欢迎点赞，支持分享！ TransReID: Transformer-based Object Re-Identification 作者单位：阿里巴巴, 浙江大学 论文：https://arxiv.org/abs/2102.0
TransReID: Transformer-based Object Re-Identification—一篇媲美CNN学习框架
JJxiao520的博客
02-26 1047
基于Transformer框架的行人重识别，衍生了新的研究方法
论文阅读：ICCV2021 TransReID: Transformer-based Object Re-Identifification
张齐贤的博客
12-25 6323
ICCV2021 TransReid
TransReID:TransReID
04-01
TransReID：基于变压器的对象重新标识 的官方存储库实现了对象重新ID的最新性能，包括人员重新ID和车辆重新ID。 管道 基于变压器的强基准的合理化研究 要求 安装 pip install -r requirements.txt (we use /torch 1.6.0 /torchvision 0.7.0 /timm 0.3.2 /cuda 10.1 / 16G or 32G V100 for training and evaluation. Note that we use torch.cuda.amp to accelerate speed of training which requires pytorch > =1.6) 准备数据集 mkdir data 下载人员数据集 ， ， ， 以及车辆数据集 ， ，然后将其解压缩并在以下目录下重命名 data ├── mar
(ICCV-2021)TransReID：基于transformer的目标重识别
顾道长生的科研笔记
07-21 3199
提取稳健的特征表示是目标重识别（ReID）的关键挑战之一。尽管基于卷积神经网络（CNN）的方法已经取得了巨大的成功，但它们一次只能处理一个局部邻域，并受到卷积和下采样操作（如池化和分层卷积）造成的细节信息损失的影响。为了克服这些限制，我们提出了一个纯粹的基于transformer的目标识别框架，名为TransReID。具体来说，我们首先将图像编码为一个patch序列，并通过一些关键的改进建立一个基于transformer的强基线，在几个ReID基准上取得了与基于CNN的方法相竞争的结果。链接。...
[ICCV2021] TransReID: Transformer-based Object Re-Identification 行人重识别
热门推荐
学生的博客
05-05 1万+
@[TOC]([ICCV2021] TransReID: Transformer-based Object Re-Identification) 论文：https://arxiv.org/pdf/2102.04378.pdf Code：heshuting555/TransReID 在ReID任务中，CNN虽然效果很好，但是依然存在缺陷：一是只能在小范围内进行操作，即不能解决长距离依赖问题；另外一点是CNN中的卷积和下采样算子会使信息迅速丢失。.........
论文笔记31 -- （ReID）【ICCV2021】TransReID: Transformer-based Object Re-Identification
对角巷
09-01 2520
ICCV 2021，首个将Transformer用于Re-ID的工作 TransReID在行人和车辆重识别任务上均表现SOTA！ 论文：点这里 代码：点这里 Shuting He，Hao Luo， Pichao Wang， Fan Wang， Hao Li， Wei Jiang Alibaba Group， Zhejiang University ICCV 2021 Abstract 提取鲁棒的特征表示是目标重新识别（ReID）的关键挑战之一。虽然基于卷积神经网络（CNN）的方法取得了巨大的成功，但它们
Transformer-based Object Re-Identification论文解读
sdsfddfw的博客
05-31 802
TransReID Transformer-based Object Re-Identification论文解读 这篇论文是2021年2月由浙大罗浩团队和阿里共同发表的文章，该文章首次将transformer应用于行人重识别领域。 论文地址：https://arxiv.org/pdf/2102.04378v2.pdf 目录TransReID Transformer-based Object Re-Identification论文解读Movitation and ContributionCNN的缺点tran
TransReID: Transformer-based Object Re-Identification 介绍
Lei的博客
04-08 1175
这是首篇开源的将transformer用于行人重识别的文章，基于原来的bag of tricks (BoT)1。 文章标题：TransReID: Transformer-based Object Re-Identification 论文地址：https://arxiv.org/abs/2102.04378 代码地址：TransReID 安利小技巧：把链接github.com变为github1s.com试试，就是github后面加个1s(1秒)。 1 简介   这是首篇使用视觉Transformer (V.
最新开源！TransReID：首个基于Transformer的ReID网络，各项任务全面领先！
阿木寺的博客
03-31 2290
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达作者丨Happy 审稿丨邓富城转载自丨极市平台导读Transformer在ReID领域的第一次全面探索！为更好的...
Video Object Segementation with Re-identification(VS-ReID)
sinat_32823605的博客
04-26 792
Video Object Segementation with Re-identification(VS-ReID) 一般的视频分割都是通过temporal continuity去传播掩码，但是对于一些漂移和大的移位问题导致目标丢失，不能解决。为了解决这类问题，这篇文章制定了一个自适应对象重新识别（VS-REID）机制来防止目标丢失。 整个模型中包括两部分：掩码传播模块和REID模块 前一模块是有...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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