Features for Multi-Target Multi-Camera Tracking and Re-Identification 论文阅读笔记

该博客详细介绍了论文《Features for Multi-Target Multi-Camera Tracking and Re-Identification》的主要内容,包括提出的自适应权重三元组损失和难例挖掘技术。论文指出,这两种技术在行人重识别和多摄像头跟踪任务中能有效提高性能。通过实验,作者揭示了重识别准确率与跟踪准确率之间的关系,并证明所提方法在实际场景中提高了重识别的准确性,同时降低了跟踪的误差。此外,还探讨了相关工作和方法的实现细节。
摘要由CSDN通过智能技术生成

Features for Multi-Target Multi-Camera Tracking and Re-Identification 论文阅读笔记
Abstract:
多摄像头跟踪(MTMCT):在来自于多个摄像头拍摄的视频中跟踪多个行人
行人重识别(Re-ID)重识别:在一个行人库中检索一个相似的行人
主要贡献:提出了一个自适应的权重的三元组损失和一种难例挖掘技术
我们的方法在两个数据库上取得了很好结果。测试了好的reid分数和好的MTMCT分数之间的关系
我们还进行了消融(ablation)研究并且阐述(elucidate)了在我们的系统中的主要贡献部分。

Introduction:(简略看一下)
前两段说了下MTMCT的定义和意义等,第三段介绍了下reid
第四段阐述两者的区别,reid用距离来进行rank排序,MTMCT确定两个图片是否有同一个ID,(个人不怎么同意这个说法,reid进行rank排序的目的也是为了确定两个人是否是同一个ID)
评价指标的不同:reid看rank性能,MTMCT看分类错误率
理论上来讲(Ideally),reid的loss要确保对于所有查询图片来说,其与所有相同ID之间的最大距离要与小于不同ID之间的最小距离。相反,MCMCT的loss应当确保任意两个相同图片之间的距离要小于不同任意两个不同ID图片之间的距离。

根据这个标准(criteria),0MTMCTloss可以推断出0reid loss,
但是反过来并不是的(vice取代,代替;versa相反的);但是训练一个MTMCT的loss的代价是很昂贵的,因为要输入

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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