行人重识别
再困也得吃
这个作者很懒,什么都没留下…
展开
-
深度学习下分类任务中L2 norm总结
什么是L2范数?L2范数既欧式距离,表示向量的元素平方和再开方∥x∥2=∑i=1nxi2\Vert x \Vert_{2} = \sqrt{\sum_{i=1}^{n}x_{i}^{2}}∥x∥2=i=1∑nxi2为什么使用L2 norm?对于CNN的输出,各个特征的模长均不一样, l2 norm是强行把同个维度的特征归一化。经过L2 norm的数据都处于0到1之间,距离就变得有一...原创 2020-01-03 11:08:29 · 7445 阅读 · 0 评论 -
行人重识别——三元损失函数及其实现
什么是三元损失函数?三元损失函数是行人重识别里非常常见的一个损失函数,其目的就是相对于负样本xnx_nxn拉近某一个样本xax_axa和它的正样本xpx_pxp的距离。Ltri=max(∥xa−xp∥−∥xa−xn∥+margin,0)L_{tri}=max(∥x_a−x_p∥−∥x_a−x_n∥+margin,0)Ltri=max(∥xa−xp∥−∥xa−xn∥+margin...原创 2020-03-13 22:34:06 · 4072 阅读 · 0 评论 -
ICCV2019-行人重识别-View Confusion Feature Learning for Person Re-identification
动机:这篇文章的出发点很明确,就是解决re-id问题中不同行人视角的匹配问题。在之前有不少文章,比如Pose-Normalized Image Generation for Person Re-identification这篇文章,就是将不同视角下的行人匹配到同一个视角下。与这篇的思想类似,作者想到,匹配到某个视角下这样误查一定很大,也不一定准确,所以,不一定要匹配到这样一个“具体的视角”而匹配...原创 2020-03-04 22:46:04 · 740 阅读 · 0 评论 -
ICCV2019-行人重识别-Pose-Guided Feature Alignment for Occluded Person Re-Identification
动机:这篇文章的中心思想很明确,就是针对于目标遮挡情况下的行人重识别问题。我们知道在目标检测的数据集,尤其是较密集的数据集里对检测目标都会有是否遮挡这样的标注,而re-id数据集里,默认的都是少部分遮挡的目标。所以这个工作对于现实场景下的很有帮助。创新:这个文章对于遮挡目标的处理方法很直接,就是将未遮挡区域提出其特征,再结合原始的全局特征进行re-id学习。遮挡数据集:作者分析了原Duk...原创 2020-03-03 22:07:55 · 3306 阅读 · 1 评论 -
ICCV2019-行人重识别-Instance-Guided Context Rendering for Cross-Domain Person Re-Identification
动机:对于跨数据集的re-id问题来说,最大的障碍就是不同数据集分布不同的这个gap,而解决这个问题最直接的办法就是将Source Domain的数据分布强行拉成Target Domain的分布,而这个最容易想到的办法就是GAN。这篇文章的通过GAN,改变Source Domain数据的环境背景,去接近Target Domain。创新:这里可能有人会想到,为什么不直接提取Source Dom...原创 2020-02-28 22:53:41 · 563 阅读 · 0 评论 -
ICCV2019-行人重识别-Beyond Human Parts: Dual Part-Aligned Representations for Person Re-Identification
动机:这是一篇基于part,之后对于每个part添加了self-attention的文章。作者出发点在于当前结合human parsing的part re-id方法只能对人体部分检测,不能对一些装饰物,例如包,帽子等检测,而这些外部装饰也是重识别不可或缺的元素,却被当作background,这当然会降低精度。创新:作者提出了DPB网络,该网络主要由人体区域语义提取部分(human part...原创 2020-02-27 16:46:21 · 1496 阅读 · 0 评论 -
CVPR2019-行人重识别-Interaction-and-Aggregation Network for Person Re-identification
动机:本文是一篇基于attention的文章,通过channel 和 postion 两个层面得到feature mask,用于得到更有鉴别性的feature。创新Spatial Interaction-and-Aggregation (SIA):这里涉及到三个种相关性关系:Appearance Relations,Location Relations和semantic relations...原创 2020-02-26 22:34:37 · 471 阅读 · 0 评论 -
ICCV2019-行人重识别-Mixed High-Order Attention Network for Person Re-Identification
动机:依旧是一篇基于attention 的论文,不得不说现在market数据集上top10基本被attention霸榜了。这篇文章的出发点和SONA很类似,作者分析目前attention的操作都太过于粗糙,例如 spatial attention 和 channel attention ,需要高阶的操作以获取更多local之间的关系。创新:乍一看first-order和channel at...原创 2020-02-25 22:56:11 · 1652 阅读 · 1 评论 -
ICCV2019-行人重识别-Batch DropBlock Network for Person Re-identification and Beyond论文阅读
动机:依旧是一篇基于part-based的re-id论文,但与其他相比不同的是,这篇文章没有正面提取local 信息,而是从侧面通过结合随机mask有效信息强化对local特征的学习。创新:Batch DropBlock,这个思路和Random Erasing如出一辙,只不过Random Erasing在图像层面,而Batch DropBlock在特征层面。既然原理相似,那只要把Rando...原创 2020-02-24 22:44:09 · 690 阅读 · 0 评论 -
Horizontal Pyramid Matching for Person Re-identification论文阅读
动机:本文作者应该是看了PCB的实验有感,垂直分块太多虽然关注了更多的local特征,但是会降低part之间的联系;垂直分块太少虽然关注了global特征,但会忽略local特征。很难去在分块这个方面选择一个很好的阈值,所以作者统统全部加入,设计了Horizontal Pyramid 结构,这样既考虑global又考虑了local,岂不美哉。创新:多个不同的水平分块结构,1,2,4,8并行...原创 2020-02-22 20:42:42 · 433 阅读 · 1 评论 -
ICCV2019-行人重识别-Discriminative Feature Learning with Consistent Attention Regularization for Person
动机:在re-id数据集中,一个样本图像由有效的前景信息(行人信息)和无效的背景信息(背景干扰)信息构成。所以说,能否有效学习到面积只占整个图像一部分的行人信息,即Discriminative Feature,就是了一个良好re-id模型的关键。目前的常见的提取行人信息的方案各有利弊,最容易想到的方法便是使用annotated mask,但这种方法引入额外的标注,并且样本分辨率低,所以mask...原创 2020-02-21 22:48:23 · 1268 阅读 · 2 评论 -
ICCV2019-行人重识别-Second-order Non-local Attention Networks for Person Re-identification论文阅读
动机:作者总结了常见的Part-base的re-id网络的常见问题,即使用多part虽然会增加精度,但是却忽略了part的之间的联系。所以Non-local是一个可以整体解决多part的办法。本文整体思路大概如下:基于BFE的架构加入DropBlock模块,这样有利于对于Non-local的学习改进了Non-local 模块,改进一阶为二阶创新:作者对于本文最大的创新点为Seco...原创 2020-02-20 23:14:23 · 2193 阅读 · 2 评论 -
CVPR2019-行人重识别-Densely Semantically Aligned Person Re-Identification论文阅读
Densely Semantically Aligned Person Re-Identification动机:re-id问题在遇到遮挡、姿态变化时,全局信息不能很好表示行人的特征,所以需要局部信息,但目前基于局部特征的re-id也有缺陷,提取的局部信息是刚性的,在不同视角下差异大,无法对齐而导致无法利用提取到高效的part信息,总结一下:局部信息不够精细对齐方法粗糙创新:FAIR...原创 2020-02-19 23:07:39 · 351 阅读 · 0 评论