【Person Re-ID】SVDNet for Pedestrian Retrieval

SVDNet是基于Resnet-50的改进网络,通过在最后一层全连接层前添加Eigenlayer并进行SVD分解,解决特征相关性问题以适应Person Re-ID中的欧式距离衡量。训练过程包括RRI(Restraint and Relaxation Iteration),确保权重向量正交。实验表明,SVDNet虽有创新,但在实际应用中可能并非必需,简单的网络调整也可实现相似效果。
摘要由CSDN通过智能技术生成

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。

对全连接层做SVD分解的原因是:全连接层是以向量内积形式进行特征的相似性度量或者说分类,全连接层的权重之间存在相关性的,学出来的特征也是有相关性的,而在Person Re-ID的普遍测试中是以欧式距离进行相似性度量的,因此存在一定的误差。

训练过程

  • step0:用加了全连接层的resnet-50在之前训好的resnet-50上进行fine-tune直至收敛。

  • Restraint and Relaxation Iteration (RRI):

    • 去相关:将新加的全连接层的权重进行SVD分解
      W=US
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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