基于抗噪声学习与相机风格元学习的无监督行人重识别CVPR

最新推荐文章于 2024-01-07 02:04:03 发布
最新推荐文章于 2024-01-07 02:04:03 发布
阅读量453 收藏
点赞数
分类专栏： # 可以 # 可以uda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44523062/article/details/117263870
版权
Fengxiang Yang的论文介绍了在CVPR 2021中提出的新型方法，结合了噪声容忍的联合学习、聚类噪声处理及元学习来增强无监督的人脸重识别性能。研究通过消融实验探讨了各项技术的有效性，并强调了它们之间的协同作用。
摘要由CSDN通过智能技术生成

joint Noise-Tolerant Learning and Meta Camera shift adaptation for unsupervised Person Re-Identification开源

Fengxiang Yang 厦门大学博士一年级 CVPR2021.6.19
在这里插入图片描述

抗噪损失函数

聚类产生噪声

相机风格元学习

消融实验（各个技巧，添加顺序后，对比哪个技巧更有效，多个技巧相辅相成）

在这里插入图片描述

AIchiNiurou
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
元学习在自监督学习中的应用：无监督特征学习
程序员光剑
04-24 643
1. 背景介绍 1.1 自监督学习的兴起 在过去几年中,自监督学习(Self-Supervised Learning)作为一种无需人工标注数据的学习范式,在计算机视觉、自然语言处理等领域取得了巨大成功。与监督学习需要大量人工标注数据不同,自监督学习可以利用原始数据本身的信息进行训练,从而避免了昂贵的
行人重识别 论文学习
Lostin_sakura的博客
09-19 1212
《Joint Discriminative and Generative Learning for Person Re-identification》 论文解读 1. 背景 行人重识别(Person Re-identification)也称跨镜追踪，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，主要解决跨镜头跨场景下行人的识别与检索，旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。 由于不同摄像设备之间存在类内差异（i.
Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-ID
Joselynzhao
11-02 469
方法概述 文章目录方法概述内容概要工作概述成果概述方法详解方法框架算法描述具体实现实验结果总体评价引用格式参考文献 内容概要 论文名称 简称 会议/期刊 出版年份 baseline backbone 数据集 row 1 col 1 row 1 col 2 在线链接： 源码链接： 工作概述 成果概述 方法详解 方法框架 算法描述 具体实现 实验结果 总体评价 引用格式 参考文献 ...
元学习与无监督学习的结合：新的研究方向
最新发布
程序员光剑
01-07 436
1.背景介绍 元学习(Meta-learning)是一种学习如何学习的学习方法，它主要关注于如何在有限的训练数据集上学习到的模型在未见过的新数据集上的泛化能力。在过去的几年里，元学习已经在多个领域取得了显著的成果，例如人工智能、机器学习、深度学习等。 无监督学习(Unsupervised Learning)是一种不依赖标签信息的学习方法，它主要关注于从未标注的数据集中发现隐含的结构、模式或特征...
持续学习+元学习+无监督学习文章调研（一）
weixin_42939529的博客
01-25 1579
持续学习+元学习文章调研一级目录二级目录三级目录 最近因为相关研究，想要调研一下关于持续学习+元学习的一些文章。找了一些进行阅读，在此整理。
Unsupervised Person Re-identification via Softened Similarity Learning——软化相似度学习的无监督人员再识别
ycwgjsw的博客
07-30 294
背景：本文研究了re-ID的无监督设置，它不需要任何标记信息，可以自由地被应用到到新的场景中。到目前为止，无监督训练最好的方法之一是使用迭代聚类和分类，将未标记的图像聚类成伪类，以便分类器得到训练，并使用更新后的特征进行聚类等等。该方法采用了迭代聚类和深度学习机制，其中网络基于无监督聚类生成的伪标签进行训练。 解决问题：该方法存在两个问题，即聚类个数难以确定和聚类过程中难以量化的损失。 解决方法：在本文中，我们遵循迭代训练机制，但抛弃聚类，因为它会因硬量化而损失，但它唯一的结果，图像级相似度，可以很容易
基于块的无监督身份再识别：学习判别特征和图像级指导的方法
3633y pro恩斯特德-伊斯克里AB韦洛的pat谁来了配给制奥辛根据- 基于迪斯皮尔维斯伊夫人员工会基于块的鉴别特征学习的无监督身份再识别杨启泽1，3，于红星1，吴安聪2，郑伟世1，41中山大学数据与计算机科学学院2中山...
无监督学习深度和运动——视频中学习相机参数的新方法
1影片来源：Videos in the Wild：未知相机的无监督单目深度学习Ariel Gordon12，Hanhan Li2，Rico Jonschkowski12，AneliaAngelova121 Robotics at Google，2Google AI{gariel，unique，rjon，anelia}@ google.com...
基于双交叉注意学习的细粒度视觉分类和目标重识别
4692基于双交叉注意学习的细粒度视觉分类和目标重识别朱浩伟*，柯文京*，李东，刘继，陆田，益山微电子股份有限公司，中国北京{郝伟.朱，wenjing.ke，d.li，陆.田，易.山}@ amd.com摘要近年来，自我注意机制在各种...
无监督人物重新识别的软化相似性学习
3390基于软化相似性学习的林玉田1人，谢灵犀2人，吴宇3人，4人，严成刚1人，齐天2人。1杭州电子科技大学，2华为公司，3百度研究，4ReLER，悉尼yutianlin477@gmail.com，198808xc@gmail.com，yu.wu-student.uts.edu....
【CVPR 2020】Unsupervised Person Re-identification via Softened Similarity Learning（SSL）
Joselynzhao
06-23 391
文章目录背景知识person re-identification (re-ID)unsupervised domain adaptation (UDA) methodsUnsupervised Person Re-identificationiterative clustering and classification内容概要聚类硬标签的不足本文工作数据集实验效果未来工作相关工作方法提要主要框架实验结果方法详解 背景知识 person re-identification (re-ID) person re.
CVPR2021 行人重识别/Person Re-identification 论文+开源代码汇总
AI浩
05-18 1377
行人重识别（Person re-identification）也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。 论文 + 开源代码汇总 Combined Depth Space based Architecture Search For Person Re-identification 论文/paper：https://arxiv.org/abs/2104.04163 代码/cod...
CVPR 2021 论文大盘点-人员重识别篇
OpenCV中文网
09-12 2216
关注公众号，发现CV技术之美本篇文章总结人员重识别相关论文，包含无监督人员重识别，基于视频、部分身体的行人重识别，可见光红外人员重识别，域泛化人员重识别，换装人员重识别，行人检索等等。共计...
重磅！悉尼科大ReLER实验室13篇论文入选CVPR 2021
阿木寺的博客
03-06 2141
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达本文作者：Pablo |来源：知乎（已授权）https://zhuanlan.zhihu.com/p/35464...
计算机视觉论文-2021-03-10
中科院AI算法工程师的博客
03-10 5082
本专栏是计算机视觉方向论文收集积累，时间：2021年3月9日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Selective Replay Enhances Learning in Online Continual Analogical Reasoning AUTHORS: Tyler L. Hayes ; Christopher Kan...
基于深度学习的行人重识别研究综述 罗浩.ZJU
热门推荐
baidu_18891025的博客
01-30 2万+
基于深度学习的行人重识别研究综述 罗浩.ZJU 1 个月前 原文：独家 | 基于深度学习的行人重识别研究综述 作者：罗浩 备注：为雷锋网/AI 科技评论写的一篇文章，原文没有公式编辑器，所以在知乎上发布一版 前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特
行人重识别-表征学习
qq_37747189的博客
11-08 2941
行人重识别（ReID）-表征学习 前言 在记录今天的内容前，先推一下罗浩老师的行人重识别的论文综述，这对于了解行人重识别领域是有很大帮助的，接下来的几篇博客呢，也是围绕这篇综述中的内容进行介绍的。 行人重识别-罗浩知乎专栏 顺便附上几个行人重识别的开源代码： https://github.com/zhunzhong07/IDE-baseline-Market-1501 https://github.com/KaiyangZhou/deep-person-reid https://github.com/hua
对抗标签噪音的深度学习方法总结
migue_math
07-31 2679
文章目录1 鲁棒性的损失函数2 鲁棒性的架构3 正则化4 调整损失函数5 样本选择6 元学习7 半监督学习 深度学习模型往往需要大量的标记正确的数据，而现实世界的数据集中有8%~38.5%的数据是被污染的。现在的深度学习模型很容易对存在噪音的数据集过拟合，从而使得模型在测试集上的表现较差。现在比较流行的防止模型过拟合的方法：数据增强，权重衰减，dropout, batch normalization等方法并不能很好的解决这一问题。 1 鲁棒性的损失函数 这类方法通过改编损失函数，使得模型在噪音数据集上训
基于噪声伪标签和对抗性学习的医学图像分割注释有效学习
YCCNUST的博客
04-23 3261
人工智能
联合无监督学习：深度、相机运动、光流与动态分割的协同竞争
名为‘[2018 CVPR] Competitive Collaboration’，探讨了如何使用生成对抗网络（Generative Adversarial Networks, GANs）来解决无监督学习中的几个关键问题，包括单目深度估计、相机运动估计、光流计算以及静态场景...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值