跨模态行人重识别-阅读笔记1《HPILN: A feature learning framework for cross modality person re-identification》

 

一.HPILN论文链接

链接1:(最终版已录用)

链接2:(arxiv非最终版

二.跨模态行人重识别简介


现有的行人重识别研究大部分集中于RGB图像的研究,然而RGB摄像头在黑暗处不能获取清晰图像,现有的摄像头往往集成了RGB摄像头和红外摄像头(IR Camera)的功能于一身,在黑暗处使用红外摄像头获取图像。存在这种情况:嫌疑人在黑暗与亮光处穿行,从而被RGB摄像头和红外摄像头拍摄到,则产生这样的需求:需要判断RGB摄像头拍摄到的行人和红外摄像头拍摄到的行人是否是同一人。2017年,郑伟诗团队公开了首个跨模态行人重识别数据集(SYSU-MM01),以及对应的benchmark。

RGB-IR ReID领域

  • 3
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
模态融合变压器用于多光谱目标检测是一种先进的目标检测方法。多光谱图像由不同波段的传感器捕获,每个波段提供了目标的不同特征信息。传统的目标检测算法往往局限于单一光谱波段,无法在多光谱图像中有效提取目标信息。而模态融合变压器能够将不同波段的光谱信息融合,并在融合后的特征上进行目标检测,从而提高目标检测的准确性和鲁棒性。 模态融合变压器结合了Transformer模型和模态融合方法。Transformer模型是一种基于自注意力机制的神经网络架构,能够有效地建模长距离依赖关系。它将目标的特征信息转化为一系列的注意力权重,然后利用这些权重来对不同波段的特征进行加权融合。这种融合方式可以将信息从一个波段传递到另一个波段,使得各个波段的特征能够共同影响目标检测结果。 模态融合变压器还引入了多尺度的注意力机制,以适应不同尺度目标的检测需求。它通过在特征提取的过程中引入多个不同大小的注意力窗口,来对不同尺度的目标进行建模。通过这种方式,模态融合变压器能够在多光谱图像中准确地检测到各种尺度的目标。 总之,模态融合变压器是一种能够融合不同波段特征并进行多光谱目标检测的先进方法。它的引入可以提高目标检测的准确性和鲁棒性,适用于各种需要从多光谱图像中提取目标信息的应用场景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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