论文阅读：cvpr2021 :Joint Generative and Contrastive Learning for Unsupervised Person Re-identification

最新推荐文章于 2022-05-29 19:48:04 发布
最新推荐文章于 2022-05-29 19:48:04 发布
阅读量585 收藏 1
点赞数
分类专栏： 深度学习论文阅读
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/119172024
版权
  1. 将GAN、contrastive module 联合学习
  2. GAN 利用身份特征和mesh-based映射视角生成新的图像（图2b）
  3. contrastive module从feature memory 中提取正负对，便于视角不变的特征学习(图2c)
    code: https://github.com/chenhao2345/GCL
    (Only support 1 GPU (GPU memory > 20GB) training for the moment.)
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
**在这里插入图片描述**

CH-Yuan
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【文献阅读】用对比学习做弱监督语义分割（Sung-Hoon Yoon等人，ArXiv，2021）
QQ704630835的博客
02-21 4408
一、背景 文章题目：《Exploring Pixel-level Self-supervision for Weakly Supervised Semantic Segmentation》 文章下载地址：2112.05351.pdf (arxiv.org)https://arxiv.org/pdf/2112.05351.pdf 文献引用格式：Sung-Hoon Yoon,Hyeokjun Kweon, Jaeseok Jeong, Hyeonseong ...
【CVPR 2021】Joint Generative and Contrastive Learning for Unsupervised Person Re-identification
Joselynzhao
10-19 1164
方法概述 1，提出了一种用于无监督行人重识别的联合生成对比学习框架，生成和对比模块互相提高对方的性能。 2， 在生成模块中，我们引入了3D网格生成器。 3， 在对比模块，我们提出了一种视角无关的损失，来减少生成样本和原始样本之间的类内变化。 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 Joint Generative and Contrastiv.
【研一小白论文精读】Joint Generative and Contrastive Learning for Unsupervised Person Re-identification
weixin_46235765的博客
04-22 3482
Abstract 就是将GAN和对比学习模块结合起来，对比学习不是需要数据增强吗，就用GAN的视图生成器来做这个增强，还提出了一种对比学习的损失函数，实验也证明取得了SOTA。 Introduction ReID的目标是从不同视图中识别物体，也即是根据可视化相似度从gallery中识别query，gallery和query其实就是对比学习中的两个试图，也是一大一小数据集和样本这样的一个关系。直白一点就是左边是传统对比学习的方法，只不过右边用GAN来代替数据增强的这种方法。。 这个生成器不是普通的生成器，作者
[论文阅读]ICE: Inter-instance Contrastive Encoding for Unsupervised Person Re-identification(ICCV2021)
Charles_zzz的博客
05-29 702
ICE: Inter-instance Contrastive Encoding for Unsupervised Person Re-identification（ICCV2021） 实例间对比学习的无监督行人重识别 领域：USL(w camera) https://github.com/chenhao2345/ICE 文章目录ICE: Inter-instance Contrastive Encoding for Unsupervised Person Re-identification（ICCV20
【实例间对比】ICE: Inter-instance Contrastive Encoding for Unsupervised Person Re-identification论文笔记
weixin_43974261的博客
04-05 792
思路及创新点 提出了实例间对比编码（ICE），它利用实例间成对相似度分数来提升效果。使用成对相似度排序作为难样本实例对比的one-hot难伪标签，旨在减少类内方差。然后，使用相似度分数作为软伪标签来增强数据增强后的视图和原始视图之间的一致性，这使得模型对增强扰动更加鲁棒。 上图中online encoder是传统的神经网络，momentum encoder与MoCo类似，通过online encoder的累积权重进行更新。 总损失为： For a camera-agnostic memory 集群 a
CVPR2021-Papers-with-Code:CVPR 2021论文和开源项目合集
03-20
CVPR 2021论文和开源项目合集论文和开源项目合集（带代码的论文）！ CVPR 2021收录列表： :注1：欢迎各位大佬提交问题，分享CVPR 2021论文和开源项目！注2：关于往年CV顶会论文以及其他优质CV论文和大盘点，详见： :...
CVPR2021-纸面代码解释：cvpr2021cvpr2020cvpr2019cvpr2018cvpr2017论文，极市团队整理
02-27
cvpr2021 / cvpr2020 / cvpr2019 / cvpr2018 / cvpr2017（论文/代码/项目/论文阅读） 论文解读摘要： ://bbs.cvmart.net/articles/3031论文分类汇总： : 2000〜2020年历届CVPR最佳论文，解释等汇总： ://bbs.cvmart...
CVPR2021-Paper-Code-Interpretation:cvpr2021cvpr2020cvpr2019cvpr2018cvpr2017 论文代码解读直播合集，极市团队整理
05-10
cvpr2021/cvpr2020/cvpr2019/cvpr2018/cvpr2017（Papers/Codes/Project/Paper reading） 论文解读汇总： 论文分类汇总： 2000~2020年历届CVPR最佳论文代码，解读等汇总： 目录 7.CVPR2021最新论文分类汇总(持续更新...
CVPR2021-代码：CVPR 2021论文开源项目（带代码的文件）合集，同时欢迎各位大佬提交问题，分享CVPR 2021开放式项目
03-03
CVPR 2021论文收录列表： : 注1：等2021年2月28日开奖后，欢迎各位大佬提交issue，分享CVPR 2021本文和开源项目！ 注2：CVPR 2021已交稿成立！已投稿且想要进来的群同学，可以添加微信： CVer9999 ，请备注： CVPR...
LED2-Net:CVPR 2021口头论文“ LED2-Net
04-01
这是我们CVPR 2021口头论文“ LED 2 -Net：通过可微分深度渲染进行单眼360˚布局估计”的PyTorch实施。 您可以访问我们的项目网站并上传自己的全景图以查看3D结果！ 先决条件 此主要基于 。 您可以使用follwoing...
CCF A类会议或期刊----近两年对比学习相关论文
Thincor的博客
03-20 5465
会议/期刊 论文 sigmod2021 Explaining Black-Box Algorithms Using Probabilistic Contrastive Counterfactuals. neurips2020 Adversarial Self-Supervised Contrastive Learning. neurips2020 Demystifying Contrastive Self-Supervised Learning: Invariances, Augme....
CVPR 2021 论文大盘点-人员重识别篇
qwj的博客
04-15 2059
CVPR 2021 论文大盘点-人群计数篇 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 26篇。 大家可以在： https://openaccess.thecvf.com/CVPR2021?day=all 按照题目下载这些论文。 如果想要下载所有CVPR 2021论文，请点击这里： CVPR 2021 论文开放下载了！ “终生”人员重识别 Lifelong Per
DG-Net：Joint Discriminative and Generative Learning for Person Re-identification阅读总结
qq_35226955的博客
08-09 1896
Joint Discriminative and Generative Learning for Person Re-identifification 作者：ZZD 英伟达实习作品 2019年CVPR oral 代码：https://github.com/NVlabs/DG-Net 简介视频：https://www.bilibili.com/video/av51439240 paper：ht...
【论文笔记】Joint Discriminative and Generative Learning for Person Re-identification
不知小姐
06-11 6786
Joint Discriminative and Generative Learning for Person Re-identification https://github.com/layumi/Person_reID_baseline_pytorch https://github.com/NVlabs/DG-Net Abstract 在不同摄像机下的类内变化带来挑战 最近，用生成...
2019 CVPR（oral）之ReID：Joint Discriminative and Generative Learning for Person Re-identification
makabaka的博客
05-09 1002
Joint Discriminative and Generative Learning for Person Re-identification 当前的问题及概述： 目前，ReID任务通过GAN网络训练越来越热门，然而，现有方法中的G途径与D再识别学习阶段相对独立。因此，reid模型通常直接对生成的数据进行训练。 本文提出了一个联合学习框架，将ReID任务和端到端的图像生成结合起来。提出的模型包括一个生成模块，它将每个人分别编码为一个外观码和一个结构码，以及一个判别模块，它与生成模块共享外观编码器。生成模
[行人重识别论文阅读]Global Distance-distributions Separation for Unsupervised Person Re-identification
zlsd21的博客
10-10 590
论文地址:https://arxiv.org/abs/2006.00752 注：无监督看的第一篇 Abstract 有监督学习在现实世界的应用中由于数据标注的缺失和领域空白，使其具有局限性。而无监督学习通过领域适应去学习，这对人很有吸引力，但是却充满挑战。现阶段的无监督学习方法在通过距离正确辩别正样本和负样本的方法下，经常失败。因为这两种样本往往具有很大的重叠性，不容易分开。为了解决这个问题，我们提出了一种叫做GDS的方法，我们从全局的角度区分开正样本和负样本。我们对两个全局距离以高斯分布的方法进行建模并且
Transferable Joint Attribute-Identity Deep Learning for Unsupervised Person Re-Identification阅读总结
qq_35226955的博客
12-06 820
Transferable Joint Attribute-Identity Deep Learning for Unsupervised Person Re-Identification（TJAIDL）阅读笔记 这篇文章时第一次在无监督跨域reid之中引入属性的paper。 最经典的属性reid的文章当然是ZL老师组的：Improving Person Re-identifification by ...
cvpr 2019之迁移学习:contrastive adaptation network for unsupervised domain a
最新发布
01-28
CVPR 2019中发表了一篇题为“迁移学习:无监督领域自适应的对比适应网络（Contrastive Adaptation Network for Unsupervised Domain Adaptation）”的论文。这篇论文主要介绍了一种用于无监督领域自适应的对比适应...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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