weixin_47119529的博客

提出了一个纯粹基于变压器的对象ReID框架，名为TransReID。具体来说，我们首先将图像编码为补丁序列，并通过一些关键改进构建基于变压器的强基线，这在基于cnn的方法的几个ReID基准上取得了具有竞争力的结果。为了进一步增强变压器背景下的鲁棒特征学习，精心设计了两个新的模块。(i)提出了拼图补丁模块(jigsaw patch module, JPM)，通过移位和补丁洗牌操作重新排列补丁嵌入，生成鲁棒特征，提高了识别能力和覆盖范围的多样性。(ii)引入边信息嵌入(SIE)，...

受到NLP领域中Transformer成功应用的启发，ViT算法中尝试将标准的Transformer结构直接应用于图像，并对整个图像分类流程进行最少的修改。具体来讲，ViT算法中，会将整幅图像拆分成小图像块，然后把这些小图像块的线性嵌入序列作为Transformer的输入送入网络，然后使用监督学习的方式进行图像分类的训练。之前的算法大都是保持CNN整体结构不变，在CNN中增加attention模块或者使用attention模块替换CNN中的某些部分。本文仅供学习参考使用，不做任何经济活动，侵权删除。...