![](https://img-blog.csdnimg.cn/20190927151124774.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Re-ID
文章平均质量分 73
re-ID论文笔记
只会git clone的程序员
博客资料链接失效或者文件找不到可以私信索要!
当前在探索的领域:机器瞎学 人工智障 模式混淆 数据掩埋 计算机幻觉 劝退系统
展开
-
2021REID->UDA&USL
一、论文:Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identificationcode:https://github.com/FlyingRoastDuck/MetaCam_DSCEtype:USL二、论文:Intra-Inter Camera Similarity for Unsupervised Person Re-Identificationcode:原创 2021-08-09 17:44:11 · 812 阅读 · 0 评论 -
Deep Learning for Person Re-identification: A Survey and Outlook
贡献总结了245篇近年的reid顶会论文提出了一个新的baseling:AGWmINP:本文提出的新的reid评价标准。贡献一分析参考:https://blog.csdn.net/rytyy/article/details/105232594https://blog.csdn.net/qq_41967539/article/details/107268994https://zhuanlan.zhihu.com/p/342249413以上主要介绍了该论文对245篇顶会方法的分析,对r原创 2021-06-15 21:54:12 · 758 阅读 · 0 评论 -
Online Pseudo Label Generation by Hierarchical Cluster Dynamics for Adaptive Person Re-identificatio
论文《Online Pseudo Label Generation by Hierarchical Cluster Dynamicsfor Adaptive Person Re-identification》因为没看到开源代码…有些读的不是很理解…先记录下理清的部分。存在的问题作者认为,领域迁移的reid任务基于聚类生成伪标签的方法中伪标签不准确性的主要原因是:伪标签的滞后更新和所采用的聚类方法的简单。传统的伪标签的生成例如:kmeans、DBSCAN都是采用离线生成伪标签的形式,主要贡献原创 2021-10-26 15:59:15 · 627 阅读 · 0 评论 -
Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Ident
论文《Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Identification》主要贡献离线优化伪标签在线优化伪标签memory bank离线优化图中x是属于B类的,但是x和A3的相似度最高,因此错误的分到了A类,作者剔提出层次聚类,计算x和A以及B的平均距离,x对于A的平均距离为0.5,对于B的平均距离为0.6,因此将x归于B类。在线优化原创 2021-09-24 11:53:21 · 273 阅读 · 0 评论 -
Camera-based Batch Normalization: An Effective Distribution Alignment Method for Person Re-identific
论文Camera-based Batch Normalization: An Effective Distribution Alignment Methodfor Person Re-identification主要贡献针对相机设计BN,强调了对准相机分布的重要性冻结网络参数,仅仅训练FC层实现训练阶段:使用正常的BN训练,结束后统计bn层的权重和偏置。测试阶段:采样测试集某个摄像头的图片,统计均值和方差,替换CBN结合训练阶段的权重和偏置使用。...原创 2021-09-09 14:02:13 · 175 阅读 · 0 评论 -
Uncertainty-aware Clustering for Unsupervised Domain Adaptive Object Re-identification
论文Uncertainty-aware Clustering for UnsupervisedDomain Adaptive Object Re-identification主要贡献HC模块:层次聚类算法,用于识别和分解不可靠的聚类。UCIS模块:HC相似的特征会被聚类到同一个类中,这样导致伪标签包含大量的噪声。SPCL将所有的异常点看作是离群点,这样会导致大量的实例信息丢失。作者为了估计一个聚类的可靠性,首先计算了一个聚类中所有实例的剪影系数([42] Rousseeuw, P.J.:原创 2021-09-06 15:26:57 · 376 阅读 · 0 评论 -
reid中mAP的计算
来源:https://yongyuan.name/blog/evaluation-of-information-retrieval转载 2021-09-03 15:42:55 · 360 阅读 · 0 评论 -
Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification
题目利用样本不确定性进行领域自适应REID问题存在的问题:许多无监督区域自适应REID结合伪标签和特征微调来进行,但是由于跨域的问题,一些伪标签并不可靠并且存在很多噪声数据,这会影响特征的学习以及恶化模型的效果。论文解决方法:这篇论文通过评估伪标签的置信度,通过抑制噪声样本的的贡献来减轻噪声数据的影响。论文作者首先介绍无监督区域自适应业界做法一般分三步:在源域根据标注标签训练模型对目标域进行基于聚类的伪标签预测用伪标签进行特征学习和微调业界这种方法主要的挑战在于:如何辨识一个原创 2021-08-30 15:07:18 · 812 阅读 · 6 评论 -
MUTUAL MEAN-TEACHING: PSEUDO LABEL REFINERY FOR UNSUPERVISED DOMAIN ADAPTATION ON PERSON RE-IDENTIF
论文MUTUAL MEAN-TEACHING: PSEUDO LABEL REFINERY FOR UNSUPERVISED DOMAIN ADAPTATION ON PERSON RE-IDENTIFICATION几个问题想要解决什么问题。根据什么得到的解决方法。超参。效果怎么样。解决方法详情。解决的问题通俗说:reid任务在实际的使用中,即使是用大规模的数据集训练好的模型,如果直接部署于一个新的监控系统,由于领域差异会导致效果明显的下降。无监督领域,行人重识别任务中目标域的类别转载 2021-08-30 15:06:12 · 609 阅读 · 0 评论 -
Improved Mutual Mean-Teaching for Unsupervised Domain Adaptive Re-ID
论文Improved Mutual Mean-Teaching for Unsupervised Domain Adaptive Re-ID主要贡献提出了一个集合了伪标签和域翻译(gan)的方法。优化MMT方法,把标注了的源域图像和目标域的无标签图像结合起来训练。Pipeline用SDA将源域的图像风格转换到目标域。使用MMT+框架对转换的图像以及目标域的图像训练。SDA细节SDA主体是一个CircleGAN的过程,不同的地方在于风格转换的图像在目标域编码的时候将该特征拿出来和风格转载 2021-08-30 15:05:57 · 187 阅读 · 0 评论 -
Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID
论文Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID主要贡献提出Hybrid memory混合记忆模型在无监督方法中将聚类得到的异常值也加以利用提出统一对比损失提出聚类可靠性评估方法Pipeline初始化1:在ImageNet上初始化cnn编码网络F初始化2:使用F对源域数据以及目标域数据编码初始化3:源域数据选择类中心存入Hybird memory,目标域数据所有转载 2021-08-30 15:05:33 · 614 阅读 · 0 评论 -
Refining Pseudo Labels with Clustering Consensus over Generations for Unsupervised Object Re-identif
论文Refining Pseudo Labels with Clustering Consensus over Generations for Unsupervised Object Re-identification论文标题:Cluster Contrast for Unsupervised Person Re-Identification论文地址:https://arxiv.org/abs/2103.11568代码地址:https://github.com/alibaba/cluster-转载 2021-08-30 15:05:14 · 611 阅读 · 0 评论 -
Towards Discriminative Representation Learning for Unsupervised Person Re-identification
论文Towards Discriminative Representation Learning for Unsupervised PersonRe-identification接收单位:iccv2021主要贡献CCL:本质是对比损失,正负样本取值有些不同PDA:优化了损失函数,渐进式的在训练过程中随着epoch的增加减少源域的loss权重增加目标域的loss权重FA:引入傅里叶增强的方式,对提取的特征使用傅里叶增强然后计算CE分类损失CCLˆθ:MMA更新的网络参数ˆθ ← mˆ原创 2021-08-30 12:37:54 · 548 阅读 · 4 评论