MGN：Learning Discriminative Features with Multiple Granularities for Person Re-Identification阅读笔记

最新推荐文章于 2021-09-01 16:50:22 发布
最新推荐文章于 2021-09-01 16:50:22 发布
阅读量1.5k 收藏
点赞数
文章标签： 多粒度 行人重识别 阅读笔记 多层特征融合 reid
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35226955/article/details/100154368
版权

Learning Discriminative Features with Multiple Granularities for Person Re-Identification

Guanshuo Wang， Yufeng Yuan等人 2018

1. 摘要

简称MGN。设计了一个Multiple Granularity Network (MGN)网络以考虑不同粒度的鉴别性全局+局部信息，不同于之前考虑的局部信息都是有意义的预定义区域，本文直接划分为几个水平stripes，强调语义信息不应只从有意义的区域中获取，例如帽子就不在行人区域。网络结构简单，但在Market1501上RR后实现了96.6%/94.2%的高rank@1/mAP性能。

2. 介绍

在这里插入图片描述
分别表示全局特征(最粗糙)，将行人划分为两个水平stripes(精细些)，将行人划分为三个水平stripes(更精细)的粗糙到精细过程。
在这里插入图片描述

3. 网络结构

在这里插入图片描述
在这里插入图片描述
结构简单，清晰，使用交叉熵损失和三元组损失联调

4. 实验

4.1 实验细节

在这里插入图片描述

4.2 和SOTA比较

在这里插入图片描述
结构简洁，但性能一点都不简单，非常高，没有重排下达到87%的mAP，此外注意这里的ECN不是ZZ在2019的ECN，而是18年的一篇的扩展跨邻居重排算法。
在这里插入图片描述

4.3 检索示例

在这里插入图片描述

4.4 消融

在这里插入图片描述
在这里插入图片描述

MindAndHand
关注
论文笔记2【Re-ID】Learning Discriminative Features with Multiple Granularities for Person Re...
AI炼丹师
12-10 263
本作品采用知识共享署名-相同方式共享 4.0 国际许可协议进行许可。 导语：今天带来的是云从科技的一篇MGN，细粒度的切块，也是刷新了person reid 的指标了。 Paper: Learning Discriminative Features with Multiple Granularities for Person Re-Identification Code : 代码 Abstrac...
Deep Learning for Person Re-identification: A Survey and Outlook 翻译2/3
weixin_44583992的博客
04-20 866
A Survey And Outlook 1 摘要 行人重识别旨在跨多个不重叠摄像头间检索同一个行人。随着深度神经网络的发展以及智能视频监控需求的增加，行人重识别在计算机视觉领域获得了越来越多的关注。根据搭建行人重识别系统时组成部分分类，可以分为封闭式和开放式两种。封闭式经常被作为研究假设，在大量数据集上采用深度学习方法取得了令人满意的成绩。我们首先从三个不同方面入手，对于封闭式行人重识别做深入而全面的分析与理解，其中包括深度特征表征学习，深度度量学习以及排序优化。随着封闭式数据集在实践中应用饱和，研究者
Learning Discriminative Features with Multiple Granularities for Person Re-Identification
DeepHao'Blog
07-22 1296
全局特征和局部特征的结合已经成为在人的重识别任务中提高辨别性能的基本解决方案。以前的基于部分的方法主要集中在定位具有特定预定义语义的区域来学习局部表示，这增加了学习难度，但对于具有大差异的场景来说效率不高或不健壮。在本文中，我们提出了一种端到端的特征学习策略，该策略集成了不同粒度的判别信息。我们精心设计了多粒度网络(Multiple Granularity Network，MGN)，这是一个多分支的深度网络体系结构，由一个用于全局特征表示的分支和两个用于局部特征表示的分支组成。我们不是在语义区域上学习，而是
【ReID】Learning Discriminative Features with Multiple Granularities for Person Re-identification
锥栗的博客
04-19 1115
阅读2018 ACM Multimedia一篇著名SOTA，Learning Discriminative Features with Multiple Granularities for Person Re-Identification[1]，文章设计了一个结合多分支和表征度量双学习策略的切片网络，提取全局粗粒度和局部细粒度特征。通过多种细粒度特征的提取和学习来得到更好的具有判别力的表征，实验显......
论文之Learning Discriminative Features with Multiple Granularities for Person Re-Identification
weixin_43979572的博客
12-31 497
最近几天看了这篇2018年发在CVPR上的文章，针对之前的reid的方法中，越来越多的方法考虑到不仅要关注全局特征，还要关注局部特征。好多论文的工作提出分块思想主要是更好地提取局部特征。但是，考虑到以往的基于part的方法主要是通过定位具有特定预先提取语义的区域来学习局部表示，这增加了学习的差异性，对方差较大的场景没有效率或鲁棒性。所以作者提出了一种端到端的学习判别信息的方法通过不同粒度的学习。（...
论文笔记2 --（ReID） Learning Discriminative Features with Multiple Granularities for Person Re-id
对角巷
11-27 7793
本文的主要思想就是通过区域分割，来获得不同粒度的特征，比如全局和局部特征以及更细粒度的局部特征，通过一个网络的不同分支得到这些特征，每个分支都对不同的分割块进行特征提取。
reid-mgn:复印纸
05-12
title = "{Learning Discriminative Features with Multiple Granularities for Person Re-Identification}", journal = {ArXiv e-prints}, archivePrefix = "arXiv", eprint = {1804.01438}, primaryClass
跨模态行人重识别-阅读笔记1《HPILN: A feature learning framework for cross modality person re-identification》
LJW的博客
01-03 2620
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...
【论文阅读】行人重识别（Person Re-identifition）——Batch Feature Erasing for Person Re-identification and Beyond
qq_40605139的博客
07-13 1139
《Batch Feature Erasing for Person Re-identification and Beyond》 原文 论文链接:https://arxiv.org/abs/1811.07130 代码链接:https://github.com/daizuozhuo/batch-feature-erasing-network 1. 解决的问题 行人重识别目前所用的方法，如...
论文笔记-------Learning Discriminative Features with Multiple Granularity for Person Re-Identification
Leo_whj的博客
07-23 942
云从科技在跨镜追踪（行人再识别）技术（ReID）上获取重大突破paper，
Learning Discriminative Features with Multiple Granularities for Person Re-Identification（MGN）
soarflight_ing的博客
11-13 422
Learning Discriminative Features with Multiple Granularities for Person Re-Identification（MGN） 论文：Learning Discriminative Features with Multiple Granularities for Person Re-Identification，2018，cvpr. 作者：云从科技 代码： https://github.com/Gavin666Github/reid-mgn
Learning Discriminative Features with Multiple Granularities for Person Re-Identification 论文学习
calvinpaean的博客
09-01 531
Abstract 将全局和局部特征结合已经成为提高行人重识别任务表现的关键方案。以前的基于局部特征的方法主要是利用预先定义的语义信息来定位区域，学习局部表征，这增加了学习难度，且对复杂场景来说其鲁棒性和效率都差一些。本文提出了一个端到端的特征学习策略，用多样化的细粒度来集成判别信息。作者仔细设计了 Multiple Granularity Network，它是一个多分支的深度网络结构，一个分支用于全局特征，另两个分支用于局部特征。本文的方法没去学习语义区域，而是将图像拆分成多个条纹，改变不同的局部分支中的
由「刷脸」到「识人」，云从科技刷新跨镜追踪(ReID)技术三项世界纪录！
weixin_33971977的博客
04-17 422
人工智能由“刷脸”进入“识人”阶段，跨镜追踪（ReID）技术大大提高商用水平 人脸识别技术经过进几年的发展，已较为成熟，在众多的场景与产品中都已有应用，但人脸识别技术只能用到人体的人脸信息，放弃了人体其他重要信息的利用，例如衣着、姿态、行为等，另外在应用时必须要有清晰的人脸正面照片，但在很多场景下无法满足要求，例如低头、背影、模糊身形、帽子遮挡等等。 而...
论文MGN笔记《Learning Discriminative Features with Multiple Granularities for Person Re-Identification》
m0_37731749的博客
07-24 914
MGN的核心思想是利用global feature+fine grain feature做特征融合然后分类，做part-based的branch取得很简单就是等分，但是为了让模型能收敛，用了多个patch的loss混合训练。看文章结果很不错，只用了给的数据集里面的trainset就能达到90+。github上只有pytorch版本，准备这段时间自己搞一个纯TF版本出来。 Motivatio...
Deep-Person: Learning Discriminative Deep Features for Person Re-Identification
luuuyi的博客
08-21 7682
Deep-Person: Learning Discriminative Deep Features for Person Re-Identification Abstract 这是华中科技大学的一篇关于行人重识别的文章，去年挂在arxiv上，今年更新了第二版。文章表示目前大部分Person ReID的方法在人体特征学习时都倾向于选择part-base的方法去着重学习人体部件的特征，但是存...
[深度学习论文笔记][CVPRW 16]Learning Discriminative Features with Class Encoder
KFXW的专栏
03-13 1441
[深度学习论文笔记][metric learning][CVPRW 16]Learning Discriminative Features with Class Encoder
Joint Discriminative and Generative Learning for Person Re-identification
weixin_41128293的博客
09-26 205
structure code identity, pose appearance code: clothing, style, texture generative module self-identity training cross-identity training discirminative module primary feature learning: teacher-stu...
Multiple Granularity Network
马德里小铁匠的铁匠铺
09-24 865
论文：Learning Discriminative Features with Multiple Granularities for Person Re-Identification why need local information？ The intuitive approach of pedestrian representations is to extract discriminati...
A Pose-Sensitive Embedding for Person Re-Identification with Expanded Cross Neighborhood Re-Ranking
凹酱的DEEP LEARNING
03-14 1864
A Pose-Sensitive Embedding for Person Re-Identification with Expanded Cross Neighborhood Re-Ranking（re-ranking 方法） github: https://github.com/pse-ecn/expanded-cross-neighborhood 本文提出的方法结合了人的精细和粗略姿态信...
镁团簇Mgn(2≤n≤15)的稳定结构与光谱特性研究
"这篇研究文章探讨了镁原子团簇（Mgn，2≤n≤15）的几何结构、稳定性、振动频率以及光谱特性。研究人员利用基于密度泛函理论的B3LYP方法进行了计算，揭示了这些团簇的键长、能量、二阶能量差分、配位数和能隙等关键...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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