[论文阅读]Learning Discriminative Features with Multiple Granularityfor Person Re-Identification

最新推荐文章于 2022-09-23 19:28:16 发布
最新推荐文章于 2022-09-23 19:28:16 发布
阅读量3.3k 收藏 11
点赞数
分类专栏： 深度学习 文章标签： person re-id
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/distant1219/article/details/80792984
版权
Learning Discriminative Features with Multiple Granularityfor Person Re-Identification这篇论文是CVPR2018的文章，作者是上交和云从科技的大牛。是目前为止，在Market-1501数据集上效果最好的方法。单张图片检索（single query）的rank-1达到了95.7%，mAP达到了86.9%；在re...
摘要由CSDN通过智能技术生成

Learning Discriminative Features with Multiple Granularityfor Person Re-Identification

这篇论文是CVPR2018 ACM Multimedia 2018 的文章，作者是上交和云从科技的大牛。是目前为止，在Market-1501数据集上效果最好的方法。单张图片检索（single query）的rank-1达到了95.7%，mAP达到了86.9%；在re-rank之后，更是高达96.6%和94.2%。本文的主要思想就是通过区域分割，来获得不同粒度的特征，比如全局和局部特征以及更细粒度的局部特征，通过一个网络的不同分支得到这些特征，每个分支都对不同的分割块进行特征提取。

Introduction

如上图，随着人体分割的块数越大，就越容易聚焦到人体局部的特征上，而这些特征恰是更具区分性的。而深度学习网络能在这些不同的分割的图像块上关注区分性的局部，提取特征。

一般而言，有3种不同的部件或者说区域分割的方法。

  1. locating partial regions with strong structural information such as empirical knowledge about human bodies or strong learning-based pose information:即按照人体直立的先验，将人水平分
最低0.47元/天 解锁文章
distant1219
关注
  • 0
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Deep-Person Learning discriminative deep features for person Re-Identification
05-18
这是2020年在Pattern Recognition上发表的一篇行人再识别文章，作者提出一个三分支网络Deep-Person. 来学习高判别力的深度特征。有两个创新点：（1）将人体看作一个从头到脚身体部件的序列，通过LSTM学习各部分之间...
Multiple Granularity Network
马德里小铁匠的铁匠铺
09-24 838
论文：Learning Discriminative Features with Multiple Granularities for Person Re-Identification why need local information？ The intuitive approach of pedestrian representations is to extract discriminati...
行人重识别ReID相关知识点（PCB、BoT、MGN）
09-23 2718
参考链接：Re：从零开始的行人重识别（五）行人重识别之PCB(ECCV2018)RPP结构图：目标检测、语义分割、深度估计、超分辨率、3D目标检测、CNN、GAN、目标跟踪、竞赛解决方案、人脸识别、数据增广、人脸检测、数据集、NAS、AutoML、图像分割、SLAM、实例分割、人体姿态估计、视频目标分割、Re-ID、医学图像分割、显著性目标检测、自动驾驶、人群密度估计、PyTorch、人脸、车道线检测、去雾 、全景分割、行人检测、文本检测、OCR、6D姿态估计、 边缘检测、场景文本检测.经过一个backbo
【ReID】Learning Discriminative Features with Multiple Granularities for Person Re-identification
锥栗的博客
04-19 1094
阅读2018 ACM Multimedia一篇著名SOTA，Learning Discriminative Features with Multiple Granularities for Person Re-Identification[1]，文章设计了一个结合多分支和表征度量双学习策略的切片网络，提取全局粗粒度和局部细粒度特征。通过多种细粒度特征的提取和学习来得到更好的具有判别力的表征，实验显......
Learning Discriminative Features with Multiple Granularities for Person Re-Identification
DeepHao'Blog
07-22 1093
全局特征和局部特征的结合已经成为在人的重识别任务中提高辨别性能的基本解决方案。以前的基于部分的方法主要集中在定位具有特定预定义语义的区域来学习局部表示，这增加了学习难度，但对于具有大差异的场景来说效率不高或不健壮。在本文中，我们提出了一种端到端的特征学习策略，该策略集成了不同粒度的判别信息。我们精心设计了多粒度网络(Multiple Granularity Network，MGN)，这是一个多分支的深度网络体系结构，由一个用于全局特征表示的分支和两个用于局部特征表示的分支组成。我们不是在语义区域上学习，而是
机器学习-4 多特征 Multiple Features
simonGeek的专栏
03-02 3183
在前面一直介绍的是单变量或者双变量的线性回归方程，在本篇文章中，开始介绍多变量的回归方程，带有多个变量的线性回归，又称为“multivariatelinear regression”。 下面就来介绍一下，带有任意多个变量的方程式的写法： 根据上面的描述，多变量的假设方程h就可以写成如下： 为了更加形象的阐述和理解上述方程，可以将这个假设函数想象成根据房子的一些特征预测房价
【论文笔记】Joint Discriminative and Generative Learning for Person Re-identification
01-06
Joint Discriminative and Generative Learning for Person Re-identification arXiv:1904.07223v2 [cs.CV] 22 May 2019 注：限于作者水平，本笔记难免存在不妥之处，欢迎批评指正 摘要 以往的方法生成数据流程与...
reid-mgn:复印纸
05-12
title = "{Learning Discriminative Features with Multiple Granularities for Person Re-Identification}", journal = {ArXiv e-prints}, archivePrefix = "arXiv", eprint = {1804.01438}, primaryClass
[CVPR 2018]Discriminative Learning of Latent Features for Zero-Shot Recognition
01-07
文章目录背景贡献模型The Image Feature Network（FNet）The Zoom Network（ZNet）The Embedding Network(ENet)Prediction实验 背景 作者认为当前(2018年前)zero-shot研究的核心主要是在视觉空间和语意空间中学习...
关于手写数字Multiple+Features数据集的贝叶斯分类
06-16
关于手写数字Multiple+Features数据集的贝叶斯分类
MultipleFeatures数据集
04-14
Multiple Features数据集，数据挖掘离散点检测，649维。
Learning Discriminative Features with Multiple Granularities for Person Re-Identification 论文学习
calvinpaean的博客
09-01 512
Abstract 将全局和局部特征结合已经成为提高行人重识别任务表现的关键方案。以前的基于局部特征的方法主要是利用预先定义的语义信息来定位区域，学习局部表征，这增加了学习难度，且对复杂场景来说其鲁棒性和效率都差一些。本文提出了一个端到端的特征学习策略，用多样化的细粒度来集成判别信息。作者仔细设计了 Multiple Granularity Network，它是一个多分支的深度网络结构，一个分支用于全局特征，另两个分支用于局部特征。本文的方法没去学习语义区域，而是将图像拆分成多个条纹，改变不同的局部分支中的
Learning Discriminative Features with Class Encoder
weixin_30404405的博客
10-10 143
近来论文看了许多，但没多少时间总结下来。今天暂时记录一篇比较旧的论文，选择理由是 Discriminative features。 做图像说白了就是希望有足够有判别性的特征，这样在分类或者匹配、检索的时候才能有较好的精度。 一. 综述 这篇论文思想很简单。如何称之为有判别性的特征？作者利用编码器的思想，对于同一ID的图形的特征，如果编码后仍可以较好的解码为同一ID的特征，那么我们就说这...
由「刷脸」到「识人」，云从科技刷新跨镜追踪(ReID)技术三项世界纪录！
weixin_33971977的博客
04-17 408
人工智能由“刷脸”进入“识人”阶段，跨镜追踪（ReID）技术大大提高商用水平 人脸识别技术经过进几年的发展，已较为成熟，在众多的场景与产品中都已有应用，但人脸识别技术只能用到人体的人脸信息，放弃了人体其他重要信息的利用，例如衣着、姿态、行为等，另外在应用时必须要有清晰的人脸正面照片，但在很多场景下无法满足要求，例如低头、背影、模糊身形、帽子遮挡等等。 而...
论文笔记-------Learning Discriminative Features with Multiple Granularity for Person Re-Identification
Leo_whj的博客
07-23 933
云从科技在跨镜追踪（行人再识别）技术（ReID）上获取重大突破paper，
Learning Discriminative Features with Multiple Granularities for Person Re-Identification 论文翻译&笔记
u014747814的博客
08-21 4741
论文地址：https://arxiv.org/pdf/1804.01438.pdf github实现：https://github.com/seathiefwang/MGN-pytorch 参考通天塔翻译：http://tongtianta.site/paper/2487 摘要：全局和局部特征的组合已经成为改善行人重识别（Re-ID）任务中的判别性能的基本解决方案。 以前基于部分的方法主要侧...
论文笔记2 --（ReID） Learning Discriminative Features with Multiple Granularities for Person Re-id
对角巷
11-27 7743
本文的主要思想就是通过区域分割，来获得不同粒度的特征，比如全局和局部特征以及更细粒度的局部特征，通过一个网络的不同分支得到这些特征，每个分支都对不同的分割块进行特征提取。
论文阅读：CVPR2016 Paper list
热门推荐
一亩半分地
05-12 8万+
CVPR2016 accepted paper list
Bag of Tricks and A Strong Baseline for Deep Person Re-identification
最新发布
03-31
Deep person re-identification is the task of recognizing a person across different camera views in a surveillance system. It is a challenging problem due to variations in lighting, pose, and occlusion. To address this problem, researchers have proposed various deep learning models that can learn discriminative features for person re-identification. However, achieving state-of-the-art performance often requires carefully designed training strategies and model architectures. One approach to improving the performance of deep person re-identification is to use a "bag of tricks" consisting of various techniques that have been shown to be effective in other computer vision tasks. These techniques include data augmentation, label smoothing, mixup, warm-up learning rates, and more. By combining these techniques, researchers have been able to achieve significant improvements in re-identification accuracy. In addition to using a bag of tricks, it is also important to establish a strong baseline for deep person re-identification. A strong baseline provides a foundation for future research and enables fair comparisons between different methods. A typical baseline for re-identification consists of a deep convolutional neural network (CNN) trained on a large-scale dataset such as Market-1501 or DukeMTMC-reID. The baseline should also include appropriate data preprocessing, such as resizing and normalization, and evaluation metrics, such as mean average precision (mAP) and cumulative matching characteristic (CMC) curves. Overall, combining a bag of tricks with a strong baseline can lead to significant improvements in deep person re-identification performance. This can have important practical applications in surveillance systems, where accurate person recognition is essential for ensuring public safety.
评论 2
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