车辆重识别相关论文

最新推荐文章于 2024-09-13 18:15:00 发布

无名之辈_

最新推荐文章于 2024-09-13 18:15:00 发布

阅读量387

点赞数

本文链接：https://blog.csdn.net/nini_k/article/details/118419000

版权

本文提出了一种k-互惠编码方法用于行人重识别的再排序，通过考虑图像的k-互惠最近邻关系，利用杰卡德距离改进检索准确性。该方法无需人工交互或标记数据，适用于大规模数据集，并在多个基准数据集上展现出有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

局部特征增强的方法

在这里插入图片描述

re-ranking相关

Re-ranking Person Re-identification with k-reciprocal Encoding

摘要

当将person re-ID看作一个检索过程时，re-ranking是提高其准确性的关键步骤。然而，在re-ID社区中，对re-ranking的努力有限，尤其是那些全自动、无监督的解决方案。在本文中，我们提出了一种k-reciprocal编码方法来re-ranking re-ID的结果。我们的假设是，如果一个gallery图像与k-reciprocal nearest neighbors中的probe查询相似，则更有可能是真正的匹配。具体地，给定图像，通过将其k-reciprocal nearest neighbors编码为单个向量来计算k-reciprocal特征，该向量用于在杰卡德距离（Jaccard Distance：用来衡量两个集合差异性的一种指标）下re-ranking。最终的距离计算为原始距离和杰卡德距离的组合。我们的re-ranking方法不需要任何人工交互或任何标记数据，因此适用于大规模数据集。在大型Market-1501、CUHK03、MARS和PRW数据集上的实验证实了我们方法的有效性。

https://blog.csdn.net/hyk_1996/article/details/79849408
看下公式，用Jaccard距离，公式非常漂亮，【构建矩阵的方式进行rerank】