论文笔记3【Re-ID】Perceive Where to Focus: Learning Visibility-aware Part-level Features for Partial...

最新推荐文章于 2021-01-04 15:58:17 发布

乘风破浪的炼丹师-Sunfine

最新推荐文章于 2021-01-04 15:58:17 发布

阅读量355

点赞数 1

分类专栏： Re-ID；重识别 Re-identification；重识别文章标签：行人重识别 reid

本文链接：https://blog.csdn.net/qq_17403617/article/details/103490281

版权

Re-ID；重识别同时被 2 个专栏收录

16 篇文章 25 订阅 ¥9.90 ¥99.00

订阅专栏

Re-identification；重识别

17 篇文章 0 订阅

订阅专栏

本文提出了一种视觉感知部分模型（VPM），针对部分行人重识别任务，通过自我监控学习区域可见性，有效处理空间错位和非共享区域的干扰，提高识别准确性。

摘要由CSDN通过智能技术生成

导语：这篇论文是PCB之后孙老师团队又一篇部件对齐网络，为了解决行人reid中遮挡问题。旷视出品。

Paper: Perceive Where to Focus: Learning Visibility-aware Part-level Features for Partial Person Re-identification
Code: 暂时没有github

Abstract:

本文研究了人员再识别任务中的一个现实问题:,部分re-ID。在部分重新识别场景下，图像可能包含对行人的部分观察。如果我们直接将局部的行人图像与整体的行人图像进行比较，这种极端的空间偏差会大大降低学习图像的识别能力。提出了一种视觉感知部分模型(Visibility-aware Part Model，VPM)，该模型通过自我监控来学习感知区域的可见性。可见性感知允许VPM提取区域级别的特征，并将两个图像集中在它们的共享区域(在两个图像上都可见)上进行比较。VPM在提高部分重新标识的准确性

了解本专栏