姣孙孙孙-CSDN博客

原创《Mixed High-Order Attention Network for Person Re-Identification》论文笔记

2019 ICCV （MHN）代码链接：http://www.bhchen.cn/说明：下面的（）表示一些文献，有兴趣的可自行去原文查找摘要：注意力在行人再识别领域越来越有吸引力，因为它能够将有限的资源用在最有用的部分。然而，最先进的方法只是关注粗糙的或一阶注意力，比如空间和通道注意力，而很少探索高阶注意力机制。本文首先提出High-Order Attention (HOA) module 来建模和利用复杂和高阶的统计量信息，以此捕捉...

2020-06-06 19:00:14 964

原创《Deep-Person: Learning Discriminative Deep Features for Person Re-Identification》论文笔记

文章链接：代码链接：摘要：行人再识别需要关注人全身的有判别力特征，来解决不精确的行人边界框检测、背景杂乱和遮挡问题。最近许多方法尝试通过基于部分的特征表示来详细的描述full person。但是，忽略了这些部分之间的空间关系。在本文中，作者提出应用长短期记忆（LSTM）以端到端的方式建模行人，将其看作从头到脚身体部分的一个序列。结合上下文信息增强了局部特征更好对齐全人的识别能力。也利用局部特征和全局特征之间的互补信息，此外，将识别任务和排名任务整合到一个网络中，可以同时学习一个有判别力的嵌入和..

2020-05-17 23:51:57 1228 1

原创《Omnidirectional Feature Learning for Person Re-Identification 》论文笔记

摘要：由于行人再识别（PReID）在智能监控领域的重要作用，受到了越来越多的关注，很多先进的PReID方法是基于部分的深度模型，这些模型中大多数都关注了从水平方向学习一个人身体的部分特征表示，然而，垂直方向的身体特征表示通常被忽略，此外，没有考虑到这些部分特征和不同特征通道之间的关系。本文提出一个多分支深度模型。具体地，这个模型包括5个分支，这5个分支中，两个分支从水平和垂直方向学习带有空间信息的部分特征；一个分支学习由骨干网络最后一个卷积层生成的不同特征通道的相关性；剩下两个分支是识别和三元组子网络，..

2020-05-10 16:54:01 945

原创《Person Re-identification：Past, Present and Future》论文笔记

这是郑良博士2016年发表的一篇行人再识别综述。现将本文重要的部分总结如下：

2020-05-08 23:23:00 915

open-reid-master.zip

Open-ReID是一个轻量级的行人重识别库，用于研究目的。它旨在为不同的数据集提供统一的界面，一整套模型和评估指标，以及再现（接近）最新结果的示例。

2020-05-24

Deep-Person-master.zip

文章《Deep-Person: Learning Discriminative Deep Features for Person Re-Identification》的行人再识别模型Deep-Person的实现代码

2020-05-19

Deep-Person Learning discriminative deep features for person Re-Identification

这是2020年在Pattern Recognition上发表的一篇行人再识别文章，作者提出一个三分支网络Deep-Person. 来学习高判别力的深度特征。有两个创新点：（1）将人体看作一个从头到脚身体部件的序列，通过LSTM学习各部分之间的相关性（2）利用两种互补关系：全局+局部、softmax识别分支+triplet loss 排名分支。

2020-05-18

Omnidirectional Feature Learning for Person Re-Identification.pdf

2019年IEEE Access上发表的一篇行人再识别文章。本文提出一个多分支深度模型。具体地，这个模型包括5个分支，这5个分支中，两个分支从水平和垂直方向学习带有空间信息的部分特征；一个分支学习由骨干网络最后一个卷积层生成的不同特征通道的相关性；剩下两个分支是识别和三元组子网络，来同时学习有判别力的全局特征和一个对应的度量。所有五个分支可以提高表示学习的质量。我们在Market-1501,CUHK03 和 DukeMTMC-reID上做了大量对比试验，本文提出的深度框架优于其他有竞争力的先进方法。

2020-05-10

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 《Mixed High-Order Attention Network for Person Re-Identification》论文笔记

原创 《Deep-Person: Learning Discriminative Deep Features for Person Re-Identification》论文笔记

原创 《Omnidirectional Feature Learning for Person Re-Identification 》论文笔记

原创 《Person Re-identification：Past, Present and Future》论文笔记