Multi-shot Pedestrian Re-identification via Sequential Decision Making (note)

Multi-shot Pedestrian Re-identification via Sequential Decision Making

因为视频连续帧有很多冗余,解决方法:

一个流学习rgb表面特征,一个流学习运动信息

他们的方法:

出发点:效果好的时候,看一张图片就好了,出现模糊和遮挡的现象时,需要动态的调节看多少图像。

使用增强学习框架

Then, the agent could output one of three actions: same, different or unsure

gt=groundtruth

State部分:

1.single-shot网络提出的特征

2.之前状态特征的均值

3.手动指定的特征

论文解释:还通过手工特征增强了图像功能,以便更好地进行区分。对于每个时间步t,我们计算距离和内积f(xi)·f(yj) 对所有1≤i,j≤t - 1,然后将它们的最大值,最小值和平均值加到输入中,从而得到6维额外特征。

 

Unsure 权值决定看几张图。

 

优点:只使用4张图像就能很快超过使用全部200张的图片。

遮挡时候unsure的Q value要大!

 

State-of-the-art的比较数据

 

样本时随机sample,按顺序选择样本效果要差一点。

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

“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