Attribute-aware Pedestrian Detection in a Crow

最新推荐文章于 2022-08-30 21:55:38 发布
最新推荐文章于 2022-08-30 21:55:38 发布
阅读量1.6k 收藏
点赞数
分类专栏： 学习笔记 文章标签： 目标检测 深度学习 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/lt1103725556/article/details/121294652
版权

APD,citypersons的SOTA，主要解决重叠目标的问题

普通NMS流程：
对于最后输出的所有框
(1)找到预测置信度最大的框M
(2)计算其他同类框和M的IOU
(3)将IOU大于阈值N_t的框的置信度置0
普通NMS的问题：
两(多)个同类物体的IOU特别大的时候，其中一个人的预测框会在最后被NMS掉
在这里插入图片描述

那么，有没有可能知道两个框是否属于同一个identity呢？

=》给每个框预测一个属性向量，负责标记其identity
如果是属于同一个identity，则其向量相近，若不属于同一个identity，则其向量尽量远离

Rainylt
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【Paper】Few-Shot Charge Prediction with Discriminative Legal Attributes
盛夏光年
11-05 2717
传送门： paper——COLING2018 paper、 codes 文章目录Abstract1 Introduction Abstract Automatic charge prediction：根据刑事案件(criminal cases )的事实描述预测最终的charges，在法律助理系统中起着至关重要的作用。 存在问题：（1）现有的charge prediction工作可以对那些高频...
Attribute Aware Pooling for Pedestrian Attribute Recognition
皮皮飞的博客
03-15 514
动机： 现有的普通CNNs由于标签空间较大，且存在属性纠缠和关联，不能直接应用于多属性数据的处理。我们通过充分利用不同属性之间的相关性来解决这些阻碍CNNs多属性分类发展的挑战。采用多分支结构对不同区域的属性进行功能调用。除了基于各分支本身的预测外，还利用各分支的上下文信息进行决策。开发了属性感知池来集成这两种信息。因此，利用上下文信息可以准确地识别出与他人模糊或纠结在一起的属性。 贡献： 提出了...
Attribute Aware Pooling for Pedestrian Attribute Recognition人体属性论文
DRACOYU的博客
11-12 488
摘要 本文探索更好的应用深度卷积神经网络到行人属性识别问题，设计了一种新的属性感知池算法。现有的传统CNNs不能直接用于处理多属性数据，因为 标签空间较大，属性间纠缠和属性的相关性。通过充分利用不同属性之间的相关性来解决这些阻碍多属性分类CNNs发展的挑战。采用多分支结构对不同区域的属性进行操作。除了基于各分支本身的预测外，还利用各分支的上下文信息进行决策。为了实现这两种信息的集成，开发了属性感知池。因此，利用上下文信息可以准确地识别模糊或混杂的属性。在基准数据集上的实验表明，所提出的pooling方法能
人脸检测--Faceness-Net: Face Detection through Deep Facial Part Responses
AI小作坊 的博客
10-25 2652
Faceness-Net: Face Detection through Deep Facial Part Responses PAMI2017 From Facial Parts Responses to Face Detection: A Deep Learning Approach ICCV2016 http://shuoyang1213.me/projects/Faceness/Fa
Relation-Aware Pedestrian Attribute Recognition with.pdf
07-06
Relation-Aware Pedestrian Attribute Recognition with Graph Convolutional Networks
VLR-3D-Object-Attribute-Detection
04-18
3D Object Detection and Attribute PredictionAuthors:Yuqing Qin, Feng(Jason) Xiang, Jingxiang Lin
Social Attribute-aware Force Model: Exploiting Richness of Interaction for AbnormalCrowd Detection
02-07
Social Attribute-aware Force Model: Exploiting Richness of Interaction for AbnormalCrowd Detection
Circle & Search: Attribute-Aware Shoe Retrieval
02-11
Circle & Search: Attribute-Aware Shoe Retrieval
Attention-Based Pedestrian Attribute Analysis.pdf
06-08
Attention-Based Pedestrian Attribute Analysis，Attention-Based Pedestrian Attribute Analysis的论文
论文阅读：An Attribute-aware Attentive GCN Model for Attribute Missing in Recommendation
aaHua_
08-30 367
A2_gcn
A3M：Attribute-Aware Attention Model for Fine-grained Representation Learning阅读总结
qq_35226955的博客
01-18 1195
code 一条支路直接做ID分类(Category),其余分支做属性分类。 两个attention模块，一个是 即属性在Category Feature Map中找到属性对应的部分(attention) 另一个是： Category特征嵌入到属性特征中去找哪些属性特征利于Category分类(Attention)。 最终达到的效果是ap更近，an更远： 效果(并不高)： ...
论文学习5-NODE2BITS: Compact Time- and Attribute-aware Node Representations for User Stitching
weixin_40485502的博客
01-18 256
文章目录摘要1.Introduction 摘要 在真实的web服务中，识别和匹配各种在线引用(例如，在不同设备和时间段上的会话)到同一用户的任务对于个性化和推荐是至关重要的。然而，传统的用户拼接方法(如分组或阻塞)需要对大量用户活动进行两两比较，从而对计算和存储都造成了挑战。最近的作品，往往是应用特定的，启发式地寻求减少比较的数量，但他们遭受低精度和回忆。为了以与应用程序无关的方式解决这个问题，我...
Occlusion-aware R-CNN: Detecting Pedestrians in a Crowd 详解（遮挡下的行人检测）
gbyy42299的博客
11-12 5384
文章地址：https://arxiv.org/pdf/1807.08407.pdf 暂时没有放出源代码，如果有小伙伴找到代码的话欢迎留言给我。 一、概述 依然是解决在遮挡的情况下对人的检测的文章，作者分别从loss和two stage detector中核心的ROI Pooling操作这两个角度出发改善遮挡物体的检测问题。在之后我会根据这两个方面对文章进行一个简单的总结。先简单的放个在2.2中我将...
行人检测几篇论文相关笔记
Suan2014的博客
01-17 674
这部分内容会持续更新，比较难的论文会单独开篇博文讲解，相对比较简单的就只写概要记录在此篇博文中。 PedHunter: Occlusion Robust Pedestrian Detector in Crowded Scenes 链接：https://arxiv.org/abs/1909.06826 代码：https://github.com/ChiCheng123/PedHunter（...
论文阅读：Adaptive NMS: Refining Pedestrian Detection in a Crowd
Kivee的博客
04-11 6715
Adaptive-NMS（CVPR 2019） 文章   又是一篇在NMS上面做文章的paper。。读完之后感觉，哇！自己再想的深一点也能想出来呀，可是想出来和做出好效果真是两码事。。尤其是没有人告诉你这个idea的价值只能靠自己判断的时候。扯远了。。。还是说一说这篇文章吧。   NMS是目前基于深度学习的目标检测模型的重要的后处理步骤，针对目标检测来讲，NMS具体操作就是将所有检测结果（设为集合...
[论文解读]CVPR2019|Adaptive NMS:Refining Pedestrian Detection in a Crowd
一碗白开水一
07-01 1877
题目：Adaptive NMS:Refining Pedestrian Detection in a Crowd 作者：Songtao Liu、Di Huang 、Yunhong Wang Motivation: 作者认为Soft NMS 与Greedy NMS 一样，只能在一定程度上解决目标不被NMS筛掉；如果降低阈值则会导致准确率下降。因此提出Adaptive NMS。 Related wor...
Adaptive NMS: Refining Pedestrian Detection in a Crowd
steph_curry的博客
07-14 1467
这两年不少人在做NMS的优化工作。NMS是检测的后处理工作，在RCNN系列算法中，会从一张图片中找出很多个候选框（可能包含物体的矩形边框），NMS就是去除冗余矩形框的过程。具体流程如下： 对于Bounding Box的列表B及其对应的置信度S,采用下面的计算方式.选择具有最大score的检测框M,将其从B集合中移除并加入到最终的检测结果D中.通常将B中剩余检测框中与M的IoU大于阈值Nt的框从B...
CityPersons数据集介绍
myh12138的博客
06-11 9631
CityPersons数据集是cityscape的一个子集，它只包含个人注释。有2975张图片用于培训，500张和1575张图片用于验证和测试。一幅图像中行人的平均数量为7人，提供了可视区域和全身标注。 CITYPERSON数据集是CITYSCAPES数据集的子集，CITYPERSON的标注文件只标注了其中HUMAN的类别。 https://github.com/CharlesShang/DetectronPYTORCH/tree/master/data/citypersons 这里的代码说了标注格式等。
属性驱动设计Attribute-Driven Design
最新发布
06-10
属性驱动设计(Attribute-Driven Design)是一种软件架构设计方法，它强调将系统中的各种属性(如性能、安全、可扩展性等)作为设计的重要考虑因素。在这种设计方法中，属性是设计的中心，所有的决策都应该以属性为基础...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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