论文阅读： Omni-Scale Feature Learning for Person Re-Identification

最新推荐文章于 2022-03-07 22:20:31 发布
最新推荐文章于 2022-03-07 22:20:31 发布
阅读量394 收藏 2
点赞数
分类专栏： 深度学习论文阅读 文章标签： 深度学习
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/yuanchheneducn/article/details/109748764
版权

pdf:
code:https://github.com/KaiyangZhou/deep-person-reid

Abstract:

As an instance-level recognition problem, person re-identification (re-ID) relies on discriminative features, which not only capture different spatial scales but also encapsulate an arbitrary combination of multiple scales.
Re-ID是一个实例级识别问题，它依赖于判别特征，这些特征不仅捕捉不同的空间尺度，还封装了多个尺度的任意组合。

We call features of both homogeneous and heterogeneous scales omni-scale features.
本文将同构和异构尺度的特征称为omni-scale feature.(omni 全方位）。

本文设计一个新的re-ID网络，来捕获全方位特征，称该网络为OSNet。

模型在六个Re-ID数据集，Re-ID属性数据集，Cifa100，ImageNet上都表现出良好特性。

网络架构

（1）为了减少参数，设计一个Lite 3X3，如下图(b)所示。

在这里插入图片描述
pointwise → depthwise instead of depthwise → pointwise
先使用了1x1的pointwise卷积，然后3x3 depth-wise卷积，作者说这样在re-Id上表现出更好的性能。

（2）Omni-Scale Residual Block
称图（b)为bottleneck.
在这里插入图片描述
(3)网络基本结构
在这里插入图片描述

CH-Yuan
关注
专栏目录
【论文笔记】Omni-Scale Feature Learning for Person Re-Identification
不知小姐
06-11 4610
https://github.com/KaiyangZhou/deep-person-reid 作为实例级识别问题，人员重新识别（ReID）依赖于判别特征，其不仅捕获不同的空间尺度而且还封装多个尺度的任意组合。我们将这些特征称为同构和异构尺度的全尺度特征。在这篇论文中，一部新颖的深刻CNN被设计为全称网络（Omni-Scale Network OSNet），用于ReID中的全方位特征学习。这是...
走进MOT系列 (五) --《Omni-Scale Feature Learning for Person Re-Identification》翻译理解
weixin_45032769的博客
08-19 1368
大佬阅读笔记参考：https://blog.csdn.net/weixin_42731241/article/details/91415598 code：https://github.com/KaiyangZhou/deep-person-reid 摘要 作为实例级识别问题，人员重新识别（ReID）依赖于判别特征，其不仅捕获不同的空间尺度而且还封装多个尺度的任意组合。我们将这些特征称为同构和异构尺...
Omni-Scale Feature Learning for Person Re-Identification
11-27
Omni-Scale Feature Learning for Person Re-Identification论文预训练权重
【ReID】Omni-Scale Feature Learning for Person Re-Identification
锥栗的博客
04-05 1086
阅读了2019 ICCV的文章Omni-Scale Feature Learning for Person Re-Identification[1]，上次略读的时候看它用到了本文的OSNet，所以来看看。文章提出了全尺度(omni-scale)学习的概念，并就此提出了全尺度学习的网络OSNet，来解决ReID中需要关注不同尺度特征流的问题。模型在多个benckmark数据集上测出了SOTA。 论文......
OSNet：Omni-Scale Feature Learning for Person Re-Identification（论文阅读笔记）
热门推荐
weixin_40671425的博客
06-27 1万+
CVPR 2019的文章，作者自己根据Reid任务重新设计了一种新的网络结构，比较轻便，对比shuffleNet，mobileNet，SqueezeNet等具有更好的性能。 论文链接：《Omni-Scale Feature Learning for Person Re-Identification》 代码链接：https://github.com/KaiyangZhou/deep-person...
Reid - 1 : Omni-Scale Feature Learning for Person Re-Identification
Vonnie_ty的博客
11-27 969
Reid - 1 : Omni-Scale Feature Learning for Person Re-Identification 目录 Reid - 1 : Omni-Scale Feature Learning for Person Re-Identification 【别人的阅读笔记】 用于行人重识别的全方位特征学习 摘要： 作为实例级别的识别问题，人员重新识别（ReID）依赖于区分特征（discriminative feature），这些特征不仅捕获了不同的空间尺度，而且还封装.
论文解读：《Learning Generalisable Omni-Scale Representations for Person Re-Identification（OSNet）》
jh97321的博客
10-23 1673
介绍 有效的行人再识别应该具有区分性，学习到的特征表示既能区分外貌相似的行人，又能在不额外训练的情况下进行跨数据集部署。本文提出了新的CNN架构来应对这两个挑战。首先，是提出了一种“全尺度网络（OSNet）”的CNN结构，不仅可以捕获不同的空间尺度，同时也能封装这些尺度的协同组合，即全尺度特征。基本构建块由多个卷积流组成，每个卷积流检测不同尺度范围的特征。对于全尺度特征学习，提出了一种统一的聚合...
omni-scale feature learning for person re-identification
最新发布
04-11
b'omni-scale特征学习是人员再识别领域的一种方法，通过将不同尺度下的特征进行融合，从而提高人员再识别的准确率。该方法可以同时提取多种不同层次的信息，并将其融合成一个统一的特征向量，使得人员再识别系统能够...
论文阅读 之 Omni-Scale Feature Learning for Person Re-Identification
qq_39220334的博客
03-07 3907
1. 相关链接 论文链接：Omni Scale_Feature_Learning_for_Person_Re-Identification_ICCV_2019_paper.pdf 代码链接： https://github.com/KaiyangZhou/deep-person-reid 2. 论文研究角度 行人重识别 （person re-ID） 主要面临两个挑战，如下图所示。首先，由于相机视角的变化，类内（实例/身份）的变化通常很大。 例如，图中的两个人 (a) 和 (b) 都携带背包； 摄像机视角的
Omni-ScaleFeatureLearningforPersonRe-Identification简记
qq_35226955的博客
11-24 718
作者提供了一个很好的reid baseline：https://github. com/KaiyangZhou/deep-person-reid. Motivation： 有些特征不能光在一个scale上学，要在不同的scale进行区分，这里的scale指的是不同感受野，作者称为omni-scale， 提出的网络叫Omni-ScaleNetwork(OSNet），其本质就是不同支路有不同的感受野，...
最近论文汇总 Omni-Scale Feature Learning for Person Re-Identification （OS-net）
深度菜鸡-达闻西的博客
11-07 270
论文名称：Omni-Scale Feature Learning for Person Re-Identification （OS-net） 代码链接：https://github.com/KaiyangZhou/deep-person-reid 目录一 、摘要二、理论研究 一 、摘要 二、理论研究
Learning Generalisable Omni-Scale Representations for Person Re-Identification
Joselynzhao
10-31 1439
Learning Generalisable Omni-Scale Representations for Person Re-IdentificationAbstractIntroductionOSNet网络结构OMNI-SCALE NETWORK FOR PERSON RE-IDDepthwise Separable ConvolutionsOmni-Scale Residual Block实...
《Omnidirectional Feature Learning for Person Re-Identification 》论文笔记
qq_35631395的博客
05-10 951
摘要：由于行人再识别（PReID）在智能监控领域的重要作用，受到了越来越多的关注，很多先进的PReID方法是基于部分的深度模型，这些模型中大多数都关注了从水平方向学习一个人身体的部分特征表示，然而，垂直方向的身体特征表示通常被忽略，此外，没有考虑到这些部分特征和不同特征通道之间的关系。本文提出一个多分支深度模型。具体地，这个模型包括5个分支，这5个分支中，两个分支从水平和垂直方向学习带有空间信息的部分特征；一个分支学习由骨干网络最后一个卷积层生成的不同特征通道的相关性；剩下两个分支是识别和三元组子网络，..
论文笔记20 --（ReID）Learning Generalisable Omni-Scale Representations for Person Re-Identification
对角巷
10-18 1115
《Learning Generalisable Omni-Scale Representations for Person Re-Identification 》 论文：https://arxiv.org/abs/1910.06827 Kaiyang Zhou, Xiatian Zhu, Yongxin Yang, Andrea Cavallaro, Tao Xiang (Submitted o...
论文阅读：轻量级reid：Learning Generalisable Omni-Scale Representations for Person Re-Identification
liyu0611的博客
10-23 1144
论文地址： https://arxiv.org/pdf/1910.06827.pdf Github： https://github.com/KaiyangZhou/deep-person-reid 摘要 有效的行人再识别模型应该学习特征表示，这些特征表示既可以用于区别外观相似的人员，又可以在无需任务调整下用于跨数据集部署。 在本文中，我们提出了新的CNN架构来应对这两个挑战。首先，我们提出了一个被...
ICCV2019-行人重识别-View Confusion Feature Learning for Person Re-identification
weixin_38208912的博客
03-04 773
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...
for根据ID去重_BC-OSNet——OSNet的增强版（Re-ID）
weixin_39692761的博客
11-21 608
前言OSNet是ICCV2019中的一种Re-ID新算法，其轻量化的模型结构和state-of-the-art的性能给人留下了很深的印象。今天，在arXiv上看到一篇很新的论文，提出BC-OSNet，是OSNet的增强版，融合了几种现有方法的tricks，Re-ID效果有进一步提升。下面简单介绍一下OSNet和BC-OSNet的一些模型结构。一、Omni-Scale Feature Learnin...
【Re-ID】现有方法调研 - 无监督/半监督方法 - 其他方法
yuuzhao的博客
08-04 889
文章目录问题是什么论文合集[1、OSNet : Learning Generalisable Omni-Scale Representations for Person Re-Identification (一种通用全尺度表示方法)](https://blog.csdn.net/NGUever15/article/details/102831979)解决 跨数据集准确性、 类内变化、类间模糊结构创新点1、动态尺度融合： 统一聚和门AG： 信道全职，分配权重聚焦不同尺度（全局、衣服、图案、鞋子）2、轻量级：
【CVPR 2021】Unsupervised Pre-training for Person Re-identification(UPT)
Joselynzhao
10-20 1873
方法概述 1，文章构建了一个大规划的无标注行人重识别数据集LUPerson。 2，文章仔细研究无监督预训练模型的关键因素。 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 Unsupervised Pre-training for Person Re-identification - CVPR 2021 - LUPerson、market501、du.
评论 1
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