![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
跨模态行人重识别
文章平均质量分 70
白头骚更短
这个作者很懒,什么都没留下…
展开
-
Dynamic Dual-Attentive Aggregation Learning for Visible-Infrared Person Re-Identification(2020ECCV)
1、问题跨模态行人重识别面临可见光和红外两个模态巨大差异的挑战,传统的跨模态行人重识别有两种实现方式,一种是都是提取全局特征进行约束,减小两种模态下全局特征的差异,从而提高跨模态行人重识别的准确率,还有一种是利用GAN网络生成新的特征表示,这个也是基于全局特征。全局特征存在一个巨大缺陷,即容易受到背景的干扰。单模态行人重识别有许多基于局部特征的鉴别方法,但是这些方法难以跨越不同模态的巨大差异,因此,本文提出了一种双注意力学习的方法应用到跨模态行人重识别任务中。2、思想本文为了获得局部鉴别特征,应用了a原创 2021-03-12 10:39:48 · 917 阅读 · 0 评论 -
Bi-Directional Center-Constrained Top-Ranking for Visible Thermal Person Re-Identification(2020 TIP)
1、问题解决跨模态行人重识别模态差异问题2、思想本文设计了两条路径分别提取可见光图像特征和红外图像特征,考虑到浅层网络提取的特征模态差异较大,没有共享权重,只在高级嵌入层共享权值参数。提出了双向中心限制的top-ranking loss,主要思想是使anchor与正样本的最大距离小于anchor与负样本的最小距离;最后用所有anchor的中心点代替所有anchor来计算双向限制top-ranking loss。3、方法本文方法的总体结构如下图所示,每个batch输入K张红外图像和K张可见光图像,经原创 2021-03-09 15:09:11 · 526 阅读 · 1 评论 -
论文阅读:RGB-IR Cross-modality Person ReID based on Teacher-Student GAN Model(arXiv 2020)
作者:1、问题跨模态行人重识别中可见光和红外的模态差异是一项巨大的挑战,传统的使用GAN网络的方法生成假的红外图像或者可见光图像来减小模态差异,但是训练和测试中都要使用GAN,耗费了巨大的资源。本文提出了一种新的Teacher-Student GAN model (TS-GAN)方法来解决模态差异问题。2、思想TS-GAN的方法不同于此前的GAN方法不同,它通过预训练一个教师模型来指导学生模型提取可鉴别特征。首先,用真实的RGB图像通过GAN生假的红外图像,然后将假的红外图像和真的红外图像作为教师原创 2021-03-07 15:47:30 · 990 阅读 · 0 评论 -
论文阅读:Parameters Sharing Exploration and Hetero-Center based Triplet Loss for Visible-Thermal Person
1、问题跨模态行人重识别解决模态差异问题的传统方法是将不同模态的特性映射到一个共享子空间中提取与模态无关的共享的特征,后来出现了双流网络提取模态特有特征和共享特征,这种方式对于鉴别特征的提取更有效。但是这些跨模态行人重识别模型的baseline不够strong和effective,因此,本文提出了一些方法得到了更强的baseline。2、思想此前的工作中已经有使用双流网络的,但是还没有系统的研究双流网络应该共享多少参数,本文以ResNet-50为backbone,研究了共享多少参数使得双流网络的效果最原创 2021-03-04 17:30:27 · 676 阅读 · 3 评论 -
论文阅读:Learning to Reduce Dual-level Discrepancy for Infrared-Visible Person Re-identification (CVPR20
论文阅读:Learning to Reduce Dual-level Discrepancy for Infrared-Visible Person Re-identification(CVPR2019)(CVPR2019))1、针对问题跨模态行人重识别面临可见光和红外光两种模态的巨大挑战,同时单模态中视角、光线和遮挡等问题仍然存在。文中指出,不同模态下的同一行人的距离要大于红外图像中同一行人的距离,因此,跨模态行人重识别的目标是减小跨模态同一行人的距离,增大同一模态下不同行人的距离。而以前的跨模态原创 2021-03-03 14:18:28 · 550 阅读 · 0 评论