该研究针对跨模态行人重识别（ReID）问题，提出了一种基于教师-学生GAN模型的解决方案。通过RGB生成IR的分支，解决了不同模态特征差异的挑战。实验表明，即使在没有颜色信息的情况下，模型也能实现高精度的Rank-1识别率。文章还探讨了重新排序re-ranking技术的应用，以提高匹配准确性。
RGB-IR Cross-modality Person ReID based on Teacher-Student GAN Model
简述：
Reid的关键挑战是不同模式下特征的跨模态差异。为了解决这一挑战，我们提出了一种基于不同域的师生模型(TS-GAN)。
模型：
1.首先，GAN部分，仅采用了RGB生成IR的分支，但IR生成RGB用于辅助训练后期没有用到：
（使用L1范数，因为它能比L2范数在图像边缘获得更好的生成性能）
2.Backbone（红色部分）将Res50分为前3层（图中FEs）和后2层（图中LEs），ranking loss和 ID loss分别作用于GAP后的第一层latent vector和最后
621
1032
2637
524
396
5835
3943
5044
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
