Reid
文章平均质量分 67
有监督行人重识别论文专栏
览音
reading and coding
展开
-
feature map的几种连接形式
1、concatenate:通道合并,每个通道对应着对应的卷积2、element-wise addition(计算量比1小)将对应特征图相加,然后卷积。对应通道的特征图语义类似,对应的特征图共享一个卷积核。对比:add是描述图像的特征下的信息量增多了,但是描述图像的维度本身并没有增加,只是每一维下的信息量在增加,这显然是对最终的图像的分类是有益的。而concatenate是通道数的合并,也...原创 2019-07-23 16:28:03 · 1467 阅读 · 0 评论 -
论文之AlignedReID: Surpassing Human-Level Performance in Person Re-Identification
这几天看了这篇超过人类判别性能的Reid论文。为了便于更好的记忆,在此翻译一下,加深自己的理解。(只写重点,省略一些不重要的)1.摘要论文提出的Alignedreid主要是在提取全局特征的基础上更好的结合局部特征。通过结合局部特征,全局特征能够表现出更好的性能。在两个局部特征没有额外的监督信息的情况下,通过计算最短路径来进行局部部分的匹配。2.介绍person Reid 主要是在另一个时...原创 2019-01-18 20:57:39 · 441 阅读 · 0 评论 -
行人重识别综述
这几天又仔细调研了下这个领域的现状。行人重识别,也称为行人再识别或者跨镜追踪,属于图像检索的一个子问题。主要是实现从一个摄像头下捕获的行人图片,到另一设备下去检索同一ID的图片,就是以图搜图问题。是继人脸识别后的一个重要的方向,对于不清晰的人脸图片,人脸识别的效果就不起作用,这样引入reid技术,reid是针对人的整张图片进行提取特征,包含更多的信息。1、先展望一下reid的应用前景①智能寻人...原创 2019-01-07 11:51:54 · 1556 阅读 · 0 评论 -
论文之Learning Discriminative Features with Multiple Granularities for Person Re-Identification
最近几天看了这篇2018年发在CVPR上的文章,针对之前的reid的方法中,越来越多的方法考虑到不仅要关注全局特征,还要关注局部特征。好多论文的工作提出分块思想主要是更好地提取局部特征。但是,考虑到以往的基于part的方法主要是通过定位具有特定预先提取语义的区域来学习局部表示,这增加了学习的差异性,对方差较大的场景没有效率或鲁棒性。所以作者提出了一种端到端的学习判别信息的方法通过不同粒度的学习。(...原创 2018-12-31 22:19:57 · 454 阅读 · 0 评论 -
论文之Beyond Part Models: Person Retrieval with Refined Part Pooling
这两天看了一篇reid的论文,之前看过的reid论文中也有分块思想的。这篇论文的核心思想就是提出了RPP模块,该模块能更好的实现分割效果,比如说论文中的六部分,使用RPP的效果是能够让各自的相似特征在同一部分,不相似的会在另外的部分。可以看到图(f)中refine的六部分作者根据之前大多数工作都学习part-level深度特征,然而在分割块方面,关于对准这类的问题任然存在,因此,作者考虑增强...原创 2018-12-25 21:42:24 · 216 阅读 · 0 评论 -
论文之Re-Id by Multi-Channel Parts CNN with Improved Triplet Loss
先大概说一下这篇工作的主要亮点,主要做的工作是作者用了五个网络,第一个网络应用于提取全局特征,即对整张图片提取特征。另外四个网络属于提取局部特征,即提取整张图划分为四部分之后对每部分输入网络中提取局部特征。这样做了多通道的提取特征后,实验部分,充分证明了这个工作上升了很大的精度。另外一个亮点工作是作者提出了一种新的三元组损失函数,之前的损失函数只是保证类内距离要小于类间的距离,作者改善之后的三元组...原创 2018-12-25 20:58:36 · 221 阅读 · 0 评论 -
论文之FD-GAN: Pose-guided Feature Distilling GAN for Re-id
今天分享一篇发在今年NIPS上的一篇论文,论文全称如下:FD-GAN: Pose-guided Feature Distilling GAN for Robust Person Re-identification(想要论文的留言~)这篇论文的工作主要是不用姿势辅助信息,提出只学习身份相关的特征,而不用姿势无关的特征,从而不需要额外的pose information也减少了计算量,从而降低了复杂...原创 2018-12-25 20:49:18 · 1092 阅读 · 3 评论 -
Reid实验记录
(1)2018_CVPR_Learning Discriminative Features with Multiple Granularities①Comparison of results on Market-1501 with SingleQuery setting (SQ) and Multiple Query setting (MQ). “RK”refers to implement...原创 2018-12-30 22:32:01 · 272 阅读 · 0 评论 -
论文之Beyond Part Models: Person Retrieval with Refined Part Pooling
这几天一直在研究行人重识别方向,最近看了一篇发在ECCV上的一篇论文,说一下这篇论文的大概吧,若有不到位之处,请各位慷慨指正!其实这片工作是在Zhao, L., Li, X., Wang, J., Zhuang, Y.: Deeply-learned part-aligned representations for person re-identification. In: ICCV (2017...原创 2018-12-28 11:32:16 · 154 阅读 · 0 评论 -
一篇文章,教你读懂度量学习、三元组损失函数
首次注册CSDN网站,先简单概括一下今天学习的几种损失函数吧!1、上图的embedding直译过来是–对称嵌入,就是我们经常提到的二元组,看下面的公式定义的损失:这种方法在 paired data (xi,xj,yij)(xi,xj,yij)上进行训练。这种 contrastive training 最小化具有相同 label 类别的样本之间的距离,然后对不同label的样本,但是其距离...原创 2018-12-05 21:18:47 · 8958 阅读 · 8 评论 -
mid-level提取的特征更具判别性
1、这篇是16年CVPR关于Re-id的一篇2、下面这篇论文是2018年关于细粒度检索的一篇文章,其中的亮点也在于端到端的学习mid-level特征,更具有鲁棒和判别性!其中的1*1卷积就是做一个判别器的作用,检测显著性的patch这是最近看的两篇论文的一点相似处,行人重检索作为图像检索的子问题,两方面大体上还是很相似的。小发现:提取mid-level特征很重要!想要论文原文的可...原创 2018-12-12 16:24:52 · 1692 阅读 · 0 评论