自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(20)
  • 收藏
  • 关注

原创 ECCV2022 行人重识别论文汇总

ECCV2022 reid论文

2022-09-17 11:12:14 1792 1

原创 CVPR2022 ReID方向接收论文

CVPR2022 person re-identification跨模态1、Learning Memory-Augmented Unidirectional Metrics for Cross-modality Person Re-identification2、FMCNet: Feature-Level Modality Compensation for Visible-Infrared Person Re-Identification3、Learning Modal-Invariant and

2022-05-31 09:19:18 2711

原创 DEX: Domain Embedding Expansion for Generalized Person Re-identification论文解读

论文地址:https://arxiv.org/pdf/2110.11391这是一篇 domain generalization reid方向的论文,动机很简单,但是实现起来用了大量的数学公式和定理,干货还是很顶的,但是感觉很难复现出来。动机和 UDA方法比,DG可以不需要额外微调操作对未知域进行适应。(动机并不明显)提出 Domain Embedding Expansion (DEX) module, 在训练过程中,基于行人和域标签动态增强深度特征(deep feature augmentation

2022-01-18 17:22:06 2731

原创 AAAI2022行人重识别论文汇总

会议官网接受list:AAAI2022接收列表emmm 目前只查到了两篇挂在了arxiv上…person re-identification总计 13 篇个人感觉 : 跨域和跨模态是未来reid的发展大势,但说到真正应用,DG还是更实在一点,希望能为实现 “train once, run everywhere” 的 DG reid算法贡献绵薄之力。跨域(UDA)1、1223: Divide-and-Regroup Clustering for Domain Adaptive Person R

2022-01-17 17:11:06 4152 1

原创 2021全国人工智能大赛(NAIC)视觉编码赛道初赛一阶段baseline分享

Baseline思路1、由于一阶段只做reid任务,所以直接计算特征之间的余弦距离或欧式距离就可以得到0.890的指标。2、大赛鼓励先进行特征压缩编码再进行reid【但是一阶段肯定原始特征做reid是最香的了emmm】代码说明:1、直接跑的话,cpu要足够大。2、推荐使用faiss库,cpu或gpu版本,可在清华镜像下载安装。from collections import OrderedDictimport numpy as npimport torchimport torch....

2022-01-11 17:27:06 1904

原创 Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification论文解读

论文收录于 AAAI2021论文地址:https://arxiv.org/abs/2012.08733v2动机利用伪标签聚类容易产生错误的或噪声标签。思路提出一个探索样本不确定性的方法——在mean teacher输出中,如果是错误的伪标签,两个模型的输出一致性比较低,因此用这个一致性来衡量一个不确定性,从而对损失进行一个加权。(一致性低的,对损失的权重就低一些,因为很可能是错误的聚类标签)这个图的含义:用 mean teacher 模型输出的特征不一致性来衡量所谓的不确定性。纵坐标是图片数量

2022-01-07 17:31:49 667

原创 Unsupervised Person Re-identification via Simultaneous Clustering and Consistency Learning论文讲解

2021年4月份挂在arxiv上的文章,也是属于mean-teaching训练策略的UDA论文地址:https://arxiv.org/pdf/2104.00202.pdf思路挺不错的,点数也还可以。思路baseline仍然采用mean-teacher(MEB-Net和MMT那套),不同在于加了 DDL(动态丢弃层),把丢弃后的feature map加到输入的featue中,获得输出,做三个损失。个人理解:在特征层面上加入随机擦除的特殊数据增强方法——丢弃了部分特征,仍然保持一致。动机作者采

2022-01-07 17:23:55 1044

原创 Enhancing Diversity in Teacher-Student Networks via Asymmetric branches for Unsupervised reid论文解读

收录于WAVC2021论文地址:https://openaccess.thecvf.com/content/WACV2021/papers/Chen_Enhancing_Diversity_in_Teacher-Student_Networks_via_Asymmetric_Branches_for_Unsupervised_WACV_2021_paper.pdf出发点M-T模型可以减小无监督reid任务中聚类的噪声,但是,teacher和student的自我集成容易让网络迅速收敛到一个局部最小值。因

2022-01-07 17:13:27 499

原创 Multiple Expert Brainstorming for Domain Adaptive Person Re-identification论文解读

和 MMT 那篇有着异曲同工之妙,同一年发出,不过这篇专注于多个mean-teacher模型的融合论文收录:ECCV2020论文地址:http://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/123520579.pdf论文代码:https://github.com/YunpengZhai/MEB-Net思路提出一个相互学习策略:用不同结构的多个网络(expert)在源域训练,学习特定的特征,然后通过这些expert相互学习实现跨域。方法本

2022-01-05 21:57:06 1123 1

原创 Towards Discriminative Representation Learning for Unsupervised Person Re-identification论文解读

ICCV 2021论文地址:https://openaccess.thecvf.com/content/ICCV2021/papers/Isobe_Towards_Discriminative_Representation_Learning_for_Unsupervised_Person_Re-Identification_ICCV_2021_paper.pdf动机采用一般的UDA方法:源域预训练+目标域伪标签微调,这种方法有2个缺点:(1)伪标签噪声;(2)两个域的gap。思路三种方法:聚类对比

2022-01-05 21:45:27 621 1

原创 mutual mean-teaching pseudo label refinery for UDA reid论文解读

简称 MMT跨域无监督reid的典型代表之作,由CUHK的葛艺潇大佬出品,详细解读可以上某乎大佬的个人解读。收录于ICLR2020论文地址:https://openreview.net/pdf?id=rJlnOhVYPS动机1、解决聚类算法出现的噪声问题。方法1、MMT:离线修正难例标签和在线修正软标签。2、采用softmax-triplet loss。一、聚类的一般方法第一,输入通过网络得到特征,对特征进行聚类,得到的结果作为gt。(聚类会引入噪声)第二,将这些特征经过分类器得到预测

2022-01-05 21:37:07 719

原创 An Attention-driven Two-stage Clustering Method for Unsupervised Person Re-Identification论文解读

ECCV 2020论文地址:http://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/123730018.pdf动机采用聚类方法容易让同一个相机得到的行人图像聚到一个类别中。因为它们的背景具有很大的相似性。第二行没有采用attention,第三行用了attention思路attention-driven two-stage clustering(ADTC)。两个步骤:1、用无监督注意力机制将学习到的背景特征转到前景特征;2、聚类分两步:k均

2022-01-05 21:14:51 1323

原创 Self-Supervised Agent Learning for Unsupervised Cross-Domain Person Re-Identification论文解读

2020 TIP论文地址https://ieeexplore.ieee.org/document/9172143同样也是一篇UDA reid文章,归类于应用 agent 思路。动机建立一系列的代理节点,让这些代理节点成为桥梁。目的:让网络学习到域不变性的同时又具有判别性的特征。个人理解:整篇动机和2021TIP那篇很像,或许这个代理节点这个点还能挖一挖。思路对源域进行有监督学习、对目标与进行相似度一致性学习、对跨域进行自监督学习;通过代理节点的学习,最终可以学习域不变性同时具有判别性的表征。

2022-01-05 21:02:31 1207

原创 IDM: An Intermediate Domain Module for Domain Adaptive Person Re-ID论文解读

ICCV 2021 oral动机在两个域之间建立一个中间域(Intermediate Domain Module (IDM)),通过中间域来挖掘目标域潜在的表征特征,源域knowledge可以更好的迁移到目标域knowledge(和GAN那种生成图像级别的不同,它这里就是网络中的信息转移!!novel)。而这个中间域则是通过两个域的相似性和差异性建立的。思路提出两个loss来构建中间域:bridge loss用于更好的构建中间域,diversity loss用于防止中间域偏向于某一域。个人理解:

2022-01-05 20:44:22 1446

原创 Transformer-based Object Re-Identification论文解读

TransReID Transformer-based Object Re-Identification论文解读这篇论文是2021年2月由浙大罗浩团队和阿里共同发表的文章,该文章首次将transformer应用于行人重识别领域。论文地址:https://arxiv.org/pdf/2102.04378v2.pdf目录TransReID Transformer-based Object Re-Identification论文解读Movitation and ContributionCNN的缺点tran

2021-05-31 11:14:19 790 1

原创 pytorch中sort的简单用法

sort()在pytorch中使用在numpy中有 sort 和 sorted 两种,但不能对索引值排序。# pytorch中使用import torch# 已知一个tensor,如,dj 是 tenor([1,3,4,2])a , b = dj.sort(0,True) # True是从大到小排序# 得到的a 为 tensor([1,2,3,4])# b 为 tensor([0,3,1,2])# 当然,sort()括号内为空等价于 (0,False) ,即从小到大排序...

2021-04-28 20:30:36 942

原创 linux系统docker使用操作记录

linux系统docker使用操作记录安装docker开通阿里云镜像服务构建镜像:pull , build, push1、pull 拉取一个基础镜像2、build 自己需要提交的文件3、 push 本地build好的文件4、提交结果5、一些docker简单常用指令总结自己的bug安装docker服务器配置:ubuntu18.04安装代码sudo curl -sS https://get.docker.com/ | sh如果服务器有GPU,继续执行以下代码(这一步不是必须的!)# Add t

2021-04-18 00:32:08 185

原创 阿里云docker提交及删除入门操作

目录一、安装环境(win10家庭版下)二、开通容器镜像三、制作任务(略)四、提交(重要)提交成功的表示:删除容器和镜像总结自己卡壳的地方写在前头:因为要打比赛,结果提交操作肯定要会的撒。然而,这东西搞了我几天,终于是提交成功了。为自己记录下这个时刻。 ————墨菲定律dj一、安装环境(win10家庭版下)1、安装虚拟机Hyper-V第一步:新建一个记事本,复制以下代码到记事本中。保存,然后重命名为Hyper-V.cmd。双击打开。程序自动运行,输入Y,重启进行配置安装。pushd "%..

2021-03-13 21:45:24 615

原创 os.path.join() 的用法

os.path.join常用于读取路径拼接操作。import osimport cv2a='D:\\download' # 注意双斜杆,如果不是拼接地址,可以用r' ' ,引号内可用单斜杆,但是用了拼接操作,目前我只会用双斜杆了=_=!!b='dog.jpg'path=os.path.join(a,b) img = cv2.imread(path)print(img)# D:\download\dog.jpg...

2021-03-11 21:15:50 493

原创 cv2.imread的简单用法

贼简单import cv2import matplotlib.pyplot as plotpicture = cv2.imread('D:\download\dog.jpg') # 路径中不能有中文 !!# picture = cv2.imread('./dog.jpg') # 表示当前路径下plt.imshow(picture) # 显示图像就这么简单,偶然间忘了一查CSDN,好复杂,不如这样来的快。第一次发布文章竟是这样的经历哈哈哈。大佬勿喷。...

2021-03-11 20:36:10 428

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除