自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

郑哲东的博客

计算机视觉 行人再识别 person re-ID

  • 博客(7)
  • 资源 (6)
  • 收藏
  • 关注

原创 阅读小结:Large-Margin Softmax Loss for Convolutional Neural Networks

徐博最近一直在看我博客,肯定是想看我什么时候不更新,然后好嘲笑我。当然,不排除徐博已经爱上我的可能。What:改进SoftmaxLoss,显式的控制类内的距离,(不让 已经对的样本score太高,影响训练)可以防止过拟合。回顾SoftmaxLoss:1. Softmax 就是一个把一个向量归一的函数,输出也是向量。在matlab里就3行代码:% X

2016-09-26 21:30:26 2299 2

原创 周志华《机器学习》 读后感

书还是比较厚的,我会挑感兴趣的章节先更新。以写小结和感想为主。(我也是机器学习入门,所以小结以感性理解为主。)第四章 决策树 ☑️---------第四章 决策树 -----------What决策树 首先是一棵树 利用贪心法 每个中间节点 按照学习到的原则分隔 几波数据,(就是分叉几个子节点)。所以对于分类问题而言,数据从根节点进入,最后掉到的叶结点是哪个

2016-09-16 20:03:55 6430 1

原创 《造梦者》观后感

最近因为签证的事情待在家里,paper也在准备。可就是没心思写paper,查related work、introduction讲故事 啥的 真的对一个不说英语的人来说很烦啊。实验上还没有尽善尽美,所以心里很郁闷。看了造梦者,然后发现马云爸爸果然是高瞻远瞩。同时也是吃了好多苦。也许他们的成功很难想象,但失败的景象却很容易想象(公司破产,员工讨债)。但他们毕竟没有失败,作为

2016-09-15 10:08:49 12134

原创 设计心理学1_日常的设计 读后感

书很厚,我会一点点update,以感想和摘录书中。《设计心理学1_日常的设计》 唐纳德.A.诺曼 著----------------第一章 日用品心理学----------------一开篇作者就通过玻璃门案例 和壶把/茶嘴同一侧的茶壶设计  指出:好的设计有两个重要特征:可视性(discoverability)及 易通性(understanding)可视性:所

2016-09-11 20:53:35 7065

原创 阅读小结:InfoGAN:Interpretable Representation Learning by Information Maximising Generative Adversarial

之前GAN中都没有加入分类信息,都是耍流氓啊。用原始maxD的时候,G学到的容易收敛到一个固定图像。而用feature matching的话,相同向量可能每次match的都不同,这怎么regression啊,摔  (也可能我是用姿势不对,但有多类的feature matching不靠谱啊)What:1.通常GAN把一个随机噪声向量z生成为一张图像。z可能从一个 0到1的随机采样

2016-09-08 19:56:11 5156 7

原创 阅读小结:Stacked Hourglass Networks for Human Pose Estimation

arXiv: https://arxiv.org/pdf/1603.06937v2.pdfgithub: https://github.com/anewell/pose-hg-trainWhat:人体关键点预测,输入人体图像输出几个关键点。使用了反复迭代bottom down/  top down 这个策略在人脸landmark 甚至更早像ASM就有,反复迭代来更精

2016-09-07 14:34:53 8332 5

原创 阅读小结:Improved Techniques for training GANS

github地址:https://github.com/openai/improved-gan/What:提出了对于GANs新的结构和训练过程。主要focus在两个应用:半监督学习 和  更好的图像产生。对于G,不要求一个和test data和像的模型,也不要求不使用label。实验中,D在半监督分类任务上达到了state-of-art的结果。G在MNIST样本人已经无

2016-09-02 13:40:27 9308 10

ZhedongZheng_图文双向检索_图文互搜.pdf

TOMM2020 Dual-Path Convolutional Image-Text Embedding Zhedong Zheng

2020-12-30

ACM-MM-Talk 无人机演讲.pdf

University-1652: A Multi-view Multi-source Benchmark for Drone-based Geo-localization 发表于 ACM Multimedia 2020

2020-12-30

2021年 行人重识别最新——综述.pdf

2021年 行人重识别 最新综述 郑哲东 郑良

2020-12-30

2019行人再识别 年度回顾 VALSE

行人重识别 行人再识别 行人检索 郑良 郑哲东 钟准 孙奕帆 杨易 悉尼科技大学 龚绍刚 郑伟诗 李玺 浙江大学 中山大学

2019-04-21

行人再识别Deep-reID_郑哲东

行人再识别方法分类和梳理。分为了采用了多任务学习,以及部件匹配来分别论述。 每个方法都列出了paper的名字和代码的链接。

2017-11-16

行人重识别

行人重识别ppt,配合 基于行人重识别的深度嵌入鉴别特征学习

2017-06-08

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除