论文笔记7 --（ReID）Video-based Person Re-identification via Self Paced Weighting

最新推荐文章于 2023-02-03 17:44:45 发布
最新推荐文章于 2023-02-03 17:44:45 发布
阅读量1.9k 收藏 3
点赞数 1
分类专栏： Deep Learning Person Re-ID 文章标签： 深度学习 reid
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/lwplwf/article/details/85321071
版权

《Video-based Person Re-identification via Self Paced Weighting》
论文：http://mmap.whu.edu.cn/wp-content/uploads/2017/11/aaai-18_wenjun_huang.pdf

这是AAAI2018的一篇关于视频Person Re-ID的论文，作者从自身的步态考虑，将行人的视频序列分成多个子序列，然后使用自身步态奇异值检测的方法对各个序列评估其噪声，最后对各个子序列求出两个序列的最终距离。

现在的Re-ID还是集中在静态图片上，每个人仅有很少的几张图片，在实际中是很受限制的，而且很难保证该图片就是高质量的图片。在视频分割上，有通过光流法检测行走周期分割区域的；但是光流法因为噪声影响过大。所以剔除噪声的序列就很重要。

主要思想 ：
1、通过噪音程度的不同来分割区域，希望不同的区域有着统一的状态，充满噪声或者很干净；
2、算法应该能够测量不同序列的噪声情况，并提供鲁棒的度量。

首先作者通过提出的SPW方法来划分不同的序列，使用SPOD的方法来消除噪音的子序列的影响，最后提出了多对的度量学习方法计算视频序列的距离。

零尾
关注
专栏目录
【ReID based video 】2017 AMOC: accumulative motion context ： 有监督
yuuzhao的博客
08-06 517
AMOC: Hao Liu, Zequn Jie, Karlekar Jayashree, Meibin Qi, Jianguo Jiang, Shuicheng Yan, Jiashi Feng. Video based person re-identification with accumulative motion context[J]. arXiv preprint arXiv:1701.00193,2017. 没有开源。。 基于累计运动内容的ReID 相关文献 [10] [10] uses a
[ICCV 2021] Pyramid Spatial-Temporal Aggregation for Video-based Person Re-identification
rtluhu的博客
11-19 3291
1.论文动机 行人重识别技术的目的是实现跨摄像头的行人快速检索。因为在现实场景中的广泛应用，它已经成为计算机视觉领域的一个热门方向。虽然基于图像的行人重识别方法已取得了一些令人瞩目的进展。但是在实际应用中图像数据容易出现遮挡或者错误检测等问题，因而严重影响了行人重识别的精度。相比图像数据，视频数据包含更为丰富的时空信息，因而能避免图像数据的一些弊端，从而提取出更加有效的行人特征。为了获取视频中对应的行人特征，过去提出的一些方法比较倾向于直接利用3D卷积[1]或循环神经网络[2]进行时空信息建模。但是受..
行人检索 - Top-push Video-based Person Re-identification
cv_family_z的博客
10-20 2906
CVPR2016code： http://isee.sysu.edu.cn/resource本文针对 Person Re-identification 问题 做了两个方面的工作：一个是基于视频信息来做，主要是提取更多时空的信息来解决遮挡和复杂的背景干扰。第二是引入Top-push优化手段 来 增大类间差异，缩小类内差异。3 Approach 我们使用 HOG3D 描述子 来提取 视频中的时空信息
Video Person Re-identification with Competitive Snippet-similarity Aggregation and Co-attentive Snip
han jan的博客
10-30 1201
一、介绍 在这篇文章中，作者通过“竞争性的片段相似度聚合”和“片段的协同注意力嵌入”的方法来解决视频行人重识别问题。 具体来说，作者将两个要计算相似度的长的视频序列分成若干个等长片段(各自有Np和Ng个片段），然后计算各个片段间的相似度得到NpXNg的相似度矩阵，选择前若干百分比的相似度求平均值作为两个视频序列的相似度。通过这样的方式，可以降低类内variation对视频序列相似度估计的不利影...
论文笔记2：Video-based Person Re-identification with Spatial and Temporal Memory Networks
分享笔记
02-03 415
人物视频中的空间和时间干扰因素，例如背景杂波和帧上的部分遮挡，分别使这项任务比基于图像的人物识别更具挑战性。我们观察到空间干扰物在特定位置一致地出现，而时间干扰物则表现出几种模式，例如，部分遮挡出现在前几帧，这种模式为预测关注哪一帧提供了信息线索(即时间注意力)。在此基础上，我们提出了一种新的时空记忆网络(STMN)。空间记忆存储了视频帧中频繁出现的空间干扰特征，而时间记忆存储了针对真人视频中典型时间模式优化的注意力。
Dynamic Label Graph Matching for Unsupervised Video Re-Identification
Joselynzhao
10-22 1686
Dynamic Label Graph Matching for Unsupervised Video Re-IdentificationAbstractIntroduction Abstract This pa-per focuses on cross-camera label estimation, which can be subsequently used in feature learn...
Video-Person-ReID-master_reID_
10-04
标题中的"Video-Person-ReID-master_reID_"和描述中的"Person_reID_baseline_pytorch-master"都指向了一个特定的领域——行人重识别（Person Re-Identification，简称ReID）。行人重识别是计算机视觉领域的一个重要...
STA: Spatial-Temporal Attention for Large-Scale Video-based Person Re-Identification
博客
05-14 1353
Abstract In this work, we propose a novel Spatial-Temporal Attention (STA) approach to tackle the large-scale person re-identification task in videos. Different from the most existing methods, which s...
Person_reID_baseline_pytorch-master.zip_Person Re-ID:_PyTorch行人识
09-20
行人重识别（Person Re-Identification，简称Person Re-ID）是一项重要的计算机视觉技术，它旨在识别在不同摄像头视角下出现的同一行人的身份。本项目基于PyTorch框架，提供了行人重识别的基线模型，其在Rank-1评估...
Deep-High-Resolution-Representation-Learning-for-Cross-Resolution-Person-Re-identification:IEEE多媒体交易杂志（正在审查中）
03-17
我们提出了一种深度高分辨率伪暹罗框架（PS-HRNet），以解决跨分辨率人员的re-ID问题。 具体来说，为了恢复低分辨率图像的分辨率并合理利用特征图的不同通道信息，我们引入并创新了带有通道注意（CA）机制的VDSR...
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...
Video-based-ReID_TP
qq_37747189的博客
03-13 447
前言 接下来，我们就来看看视频行人重识别训练模型的其中一种temporal aggregation method：temporal pooling。 这是比较简单的一种方式，效果也不错，是将通过CNN网络提取到的每一帧T图像特征根据seq_len，使用average pooling融合成每一个clips的特征。 模型输入 imgs imgs.size() = [b,s,c,h,w] 在训练级中 b为batch通常设置为32，seq_len设置为4，c为通道数为3，h图片高，w图片宽 模型初始化参数
行人重识别(4)——行人重识别（基于视频）综述
R.I.P Kobe Bryant
12-22 2448
介绍行人重识别（基于视频）方向的相关方法、研究热点与相关数据集。
论文笔记5 --（ReID）Diversity Regularized Spatiotemporal Attention for Video-based Person Re-id
对角巷
12-20 2462
https://arxiv.org/pdf/1803.09882.pdf Abstract
ReID简记-2-Spatial and Temporal Mutual Promotion for Video-based Person Re-identification
u013368992的博客
12-28 1107
创新点 （1）Refining Recurrent Unit (RRU) 关注遮挡，外观噪声和运动信息 （2）Spatial-temporal Clues Integration Module (STIM) 整合时空信息 （3）Multi-level Training Objective 增强上述两者能力 总结 网络有点复杂，真的是玩出了花。 （1）RRU，可以看成时CNN的RNN化，堆叠了几个权值...
读Video-Based ReID by Simultaneously Learning Intra-Video,Inter-Video metric
ptgood的博客
11-02 614
读SCI论文[Video-Based Person Re-Identification by Simultaneously Learning Intra-Video and Inter-Video Distance Metrics] 目录 预备知识 正文 预备知识 如下(一红一黑只是为了方便阅读): fisher vector https://www.cnblogs.com/jie-d...
b站视频下载更新（加入下载进度）
热门推荐
浪速之星的博客
07-21 1万+
b站视频下载更新（加入下载进度） 一直想加个下载进度进去，最近才搞上 顺便加了个获取视频的AV号 新开一个pa审核过不了 往期相关： Python爬取b站视频（api真实地址） selenium模拟登陆b站 参考链接： 【python小工具】requests显示下载速度 requests 中的参数 stream from lxml import etree import requests import os import re from sys import stdout import time # 正则
Python翻页爬取B站视频
weixin_51659697的博客
09-08 1万+
import re import time import requests from lxml import etree from moviepy.editor import * from lxml import etree if __name__ == '__main__': data_ = input("请输入你要搜索的内容:") pages = int(input("请输入你要爬取的页数:")) # 定义一个空列表，用于保存爬取到的每页20个视频url lis.
开源项目
坚持梦想的博客
09-05 5284
1、BeautifulRefreshLayout-漂亮的美食下拉刷新https://github.com/android-cjj/BeautifulRefreshLayout/tree/BeautifulRefreshForFood 2、Material Design-动画风格的选项卡tab切换功能https://github.com/neokree/MaterialTabs 3、Twinkli
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 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