Person Re-ID
文章平均质量分 76
q295684174
这个作者很懒,什么都没留下…
展开
-
【Person Re-ID】SVDNet for Pedestrian Retrieval
paper下载地址:https://arxiv.org/abs/1703.05693code下载地址:https://github.com/syfafterzy/SVDNet-for-Pedestrian-Retrieval网络结构作者所采用的基础网络为resnet-50,在最后一个全连接层的前面加了一个Eigenlayer,其实就是一个全连接层,只不过对参数做了SVD分解,因此称为SVDNet原创 2017-12-08 20:06:41 · 3971 阅读 · 1 评论 -
【Person Re-ID】Deep-Person: Learning Discriminative Deep Features for Person Re-Identification
paper下载地址:https://arxiv.org/abs/1711.10658Introduction基于CNN方法的person re-id方法可以分为三类:基于全局描述的方法基于局部描述的方法结合全局描述和局部描述的方法局部描述能够提取行人的一些细节信息,在大多数试验中都能比单独用全局描述的方法要好。通常的做法是将新人图像分割成几个rigid的块,然后每个块分原创 2018-01-17 14:55:08 · 1165 阅读 · 0 评论 -
【Person Re-ID】Beyond Part Models: Person Retrieval with Refined Part Pooling
转载地址:https://zhuanlan.zhihu.com/p/31947809论文链接:Beyond Part Models: Person Retrieval with Refined Part Pooling当前利用 part-level feature 做re-id 的方法大致分为两类: 1. 利用在其他数据集上训练好的 pose estimation 模型 unsupervi转载 2018-01-23 11:23:10 · 1399 阅读 · 0 评论 -
【Person Re-ID】AlignedReID: Surpassing Human-Level Performance in Person Re-Identification
转载地址:https://zhuanlan.zhihu.com/p/32603701 一. 论文背景论文:AlignedReID: Surpassing Human-Level Performance inPerson Re-Identification 【点击下载】Caffe代码:【Github】 首先通过下图来看ReID面临的问题: 由于检测框不准确(a-b),姿态变化(c-d)转载 2018-01-22 16:57:10 · 1744 阅读 · 0 评论 -
【Person Re-ID】GLAD: Global-Local-Alignment Descriptor for Pedestrian Retrieval
paper下载地址:https://arxiv.org/abs/1709.04329IntroductionPerson Re-ID任务是为了从gallery集中找到与query集中同一个人的图像。应用场景主要集中在视频监控、公共安全等领域,因此一个人的外表可能被摄像头的视角,人体姿态,模糊,遮挡等因素所影响,给此项任务带来挑战。大多数Re-ID工作都可以分为两步,即描述子学习和距离度量学习。描述子原创 2017-12-29 14:02:21 · 2630 阅读 · 2 评论 -
【Person Re-ID】Large-scale Person Re-identification as Retrieval
paper下载地址:http://www.yaohantao.com/cv/paper_671.pdfcode下载地址:https://github.com/coldrainyht/ICME2017Introduction如果直接将分类网络运用于Person Re-ID任务的话将会有几大缺点:训练一个分类网络需要大量的数据,Re-ID任务目前没有特别大的数据集。分类网络最后一层的神经元个数与训练原创 2017-12-28 16:09:34 · 443 阅读 · 0 评论 -
【Person Re-ID】Deep Representation Learning with Part Loss for Person Re-Identification
paper下载地址:https://arxiv.org/abs/1707.00798IntroductionPerson Re-ID需要解决什么问题? 测试集中的人在训练集中是不可见的,因此需要学习到的描述子有足够的可分性。目前大多数表征学习方法的目的是最小化训练集的分类损失,这与Re-ID任务不同。表征学习方法更多的关注于人体的躯干部分,而忽略其他部分。对于不同的人,其他部分诸如头部,上半身体依原创 2018-01-04 10:33:59 · 1945 阅读 · 0 评论 -
【Person Re-ID】AlignedReID: Surpassing Human-Level Performance in Person Re-Identification
paper下载地址:https://arxiv.org/abs/1711.08184Introduction大多数基于CNN的方法都是学习全局特征,而忽略了人的结构性。因此带来的缺陷是:行人检测器检测框的不准确性会影响特征的学习。人体形态或者姿势的变化使得度量学习变得更加困难。遮挡给最终的特征带来不相干的上下文信息。当两个人有相似外表时,局部特征将变得很重要。本文提出了一种新的方法,称为A原创 2017-12-26 10:35:10 · 900 阅读 · 0 评论 -
【Person Re-ID】Margin Sample Mining Loss: A Deep Learning Based Method for Person Re-identification
Introduction原创 2017-12-15 16:47:17 · 2795 阅读 · 3 评论 -
【Person Re-ID】常用评测指标
前言最近在研究person re-id相关的算法,在不少论文中遇到相关的评测指标,例如mAP、CMC、ROC等,这里做一下总结。ROCROC曲线是检测、分类、识别任务中很常用的一项评价指标。曲线上每个点反映着对同一信号刺激的感受性。具体到识别任务中就是,ROC曲线上的每一点反映的是不同的阈值对应的FP(false positive)和TP(true positive)之间的关系。通常情况下,ROC曲原创 2017-12-05 19:19:39 · 9155 阅读 · 2 评论 -
【Person Re-ID】In Defense of the Triplet Loss for Person Re-Identification
paper下载地址:https://arxiv.org/abs/1703.07737code下载地址:https://github.com/VisualComputingInstitute/triplet-reidIntroduction本文主要是针对triplet loss做的改进:triplet loss最重要的步骤就是hard-mining,而在选择hard-example过程中原创 2017-12-14 19:34:08 · 1467 阅读 · 1 评论 -
【Person Re-ID】Person Re-identification: Past, Present and Future
paper下载地址:https://arxiv.org/abs/1610.02984code下载地址:https://github.com/zhunzhong07/IDE-baseline-Market-1501本文主要介绍了Person Re-ID的前世今生,作为一篇概述形式的文章,给刚接触Person Re-ID的新人提供了很好的方向把握。文章其实并没有很多技术性的东西,关键是作者提供了一个原创 2017-12-07 19:48:12 · 2502 阅读 · 2 评论 -
【Person Re-ID】Person Re-Identification by Deep Learning Multi-Scale Representations
paper下载地址:http://www.eecs.qmul.ac.uk/~sgg/papers/ChenEtAl_ICCV2017WK_CHI.pdfIntroduction本文主要的考虑是:目前所有re-id的方法,不管是不是基于CNN的,第一步都是将图像resize到统一大小然后再来提取特征。这种做法会模糊掉图像在不同尺度上的显著性特征,因此作者认为这样的方法不是最优的,本文提出了一种在多尺度原创 2018-01-17 16:09:25 · 2122 阅读 · 0 评论