深度行人
文章平均质量分 56
CH-Yuan
这个作者很懒,什么都没留下…
展开
-
论文阅读: Channel Augmented Joint Learning for Visible-Infrared Recognition
—这是作者提出mixed的含义吧,就是从混合模态组成的batch里随机去选图像,而不去考虑图像的模态,从而不去考虑模态的差异进行直接优化intra-和inter-modalitylearning.构建一个包括不同模态的图像,不去考虑模态的差异进行直接优化它们的关系。加权策略通过自适应考虑每个Triplet的贡献,增加困难样本的贡献(具有较大/较小距离的正/负对),从而能够充分利用batch中的所有三元组。现有的图像增广策略主要针对单模态的可见光图像,没有考虑可见光-红外图像匹配时的图像特性。......原创 2022-07-25 12:47:26 · 1121 阅读 · 1 评论 -
论文阅读: Clothes-Changing Person Re-identification with RGB Modality Only
这其实就是一个细粒度多类别的身份分类器(文中称为multi-positive-classclassificationloss),若图像属于同一身份的衣服类,则概率为1/K,K为该身份行人的衣服类别数。但是,这样带来的问题是会对换衣情况下的身份识别有帮助,但是对不换衣情况下会降低效率。为此,对该公式进行调整,增大同一身份相同衣服的概率,这样就使得模型在关注身份的同时,会去关注部分衣服特征。对同一身份的图像穿不同衣服的分成不同类别,这样不同身份的行人即便穿相同衣服也会被分为不同类,但是减少了标注的困难。...原创 2022-07-21 16:17:10 · 2173 阅读 · 0 评论 -
generalized mean pooling
GMP原创 2022-06-17 15:39:56 · 610 阅读 · 0 评论 -
Learning Shape Representations for Clothing Variations in Person Re-Identification
##Learning Shape Representations for Clothing Variations in Person Re-Identification原创 2022-06-17 15:37:16 · 201 阅读 · 0 评论 -
论文阅读:Style Normalization and Restitution for Generalizable Person Re-identification
动机及目标:解决域间较差泛化能力的关键是——过滤出身份无关的干扰+学习域不变的身份表示。 提出一个Style Normalization and Restitution(SNR):Style Normalization 风格统一化。利用Instance Normalization(IN)过滤掉风格变化。但由此带来的问题是,虽然增加了泛化能力,但是丢掉了身份相关特征信息。Style Restitution 身份相关信息保留。从过滤到的特征中蒸馏出身份相关特征以保证较高的判别性。为达到这一目的,在SNR中原创 2021-04-27 18:34:09 · 838 阅读 · 0 评论 -
ICCV2017: Unlabeled Samples Generated by GAN Improve the Person Re-Identification Baseline in Vitro
作者:Zhedong Zheng 摘要提出一个simple的semi-supervised pipline. 该方法只使用训练集而不需要额外的数据。该方法的主要挑战: - (1)如何仅从训练集获取更多的训练数据, - (2)如何使用新产生的数据。 本文提出用generative adversarial network(GAN)原创 2017-10-23 16:08:52 · 4564 阅读 · 0 评论 -
论文笔记-Person Re-identification Past, Present and Future
http://blog.csdn.net/zdh2010xyz/article/details/53741682转载 2017-11-16 09:13:29 · 1863 阅读 · 0 评论 -
cvpr 2017 re-id papers
https://zhuanlan.zhihu.com/p/28749411 https://zhuanlan.zhihu.com/p/29053615Learning Deep Context-Aware Features Over Body and Latent Parts for Person Re-Identification 作者是中科院的Dangwei Li等。这篇工作是multi-原创 2017-11-14 20:09:39 · 4643 阅读 · 0 评论 -
CVPR2017: Learning Deep Context-aware Features over Body and Latent Parts for
论文查看 作者是中科院的Dangwei Li等。这篇工作是multi-class person identification tasks,主要创新有三点:(1)用空洞卷积(dilated conv)进行多尺度特征提取,减少传统CNN提取特征的信息损失;(2)利用Spatial Transformer Networks (STN,其中作者设置了三个参数限制) 提取可变的body-part,相比较于r原创 2017-09-12 17:14:21 · 3756 阅读 · 0 评论 -
math_functions
http://blog.csdn.net/seven_first/article/details/47378697#4转载 2017-05-11 11:19:55 · 992 阅读 · 0 评论 -
[CVPR2016]Learning Deep Feature Representations with Domain Guided Dropout for Person Re-id
论文题目:Learning Deep Feature Representations with Domain Guided Dropout for Person Re-identification 还是香港中文大学的牛牛们写的paper.有源码:https://github.com/Cysu/person_reidMotivation这篇paper主要是为了解决一些issues(例如person r原创 2016-11-05 11:22:23 · 936 阅读 · 0 评论 -
Person Re-Identification by Multi-Channel Parts-Based CNN with Improved Triplet Loss Function
作者:西安交大的De Cheng, Yihong Gong, Sanping Zhou, Jinjun Wang, Nanning Zheng主要贡献:贡献有两个,一个是改进的网络结构,一个是改进的triplet loss.网络结构: 该网络结构一共有5个channels,其中一个是整个身体的channel,其他四个对应四个parts的channels。 其中: full-body chann原创 2016-11-30 20:28:32 · 3268 阅读 · 0 评论 -
Top-push Video-based Person Re-identification
作者:中山大学Jinjie You†,‡, Ancong Wu†,‡, Xiang Li†,‡, and Wei-Shi Zheng∗动机大多数研究都是研究基于静止图像的person re-id,但是由于从静止图像中提取的信息是有限的,因此可以基于视频的re-id,利用额外的时空信息提取更多信息。然而基于视频的方法,使得类间的间隔更具模糊性。因此提出TDL.TDL具体的损失函数: 这个损失原创 2016-12-01 21:44:37 · 1293 阅读 · 0 评论 -
CVPR2016:Improving Person Re-identification via Pose-aware Multi-shot Matching
作者:Yeong-Jun Cho and Kuk-Jin Yoon Computer Vision Laboratory, GIST, South Korea动机人的外表会随着动作和视角变化而改变,因此不同姿态下进行的匹配会有很大的困难。方法1.通过估计人的姿态 (front, right, back, left) 2.建立多姿态匹配模型 3.以加权和的方式进行预测(采用KISSME学习权重原创 2016-12-02 20:44:37 · 1371 阅读 · 0 评论 -
论文阅读:Multi-Scale Triplet CNN for Person Re-Identification
中国科技大学的Jiawei Liu等发表在Acm on Multimedia Conference上的论文。作者提出一个多尺度的triplet CNN,在一个数据集Market1501上表现出好的性能。网络结构如下: Triplet loss 主要改进:同时训练了三个不同尺度的网络,对于低尺度用了shallow network(2个卷积+池化),不变尺度的用了5个卷积(池化)。最后进行特征的组合原创 2017-03-02 10:55:46 · 2484 阅读 · 1 评论 -
下面要看的文件列表
http://blog.csdn.net/hjimce/article/details/50098483 paper主要创新点:在创新点方面,我觉得主要是把Siamese 网络的双分支,合在一起,从而提高了精度 主要讲解2015年CVPR的一篇关于图像相似度计算的文章:《Learning to Compare Image Patches via Convolutional Neural Net原创 2017-02-07 08:13:40 · 710 阅读 · 0 评论 -
论文阅读:Joint Learning of Single-image and Cross-image Representations for Person Re-identification
哈尔滨工业大学(/香港理工大学)的作者Faqiang Wang等采用pairwise comparison and triplet comparison联合学习特征,并在CUHK03,CUHK03,VIPeR上进行实验。网络结构: 文章分析了SIR(single image representation) 是CIR(cross image representation)的特殊形式。(欧式距离,马氏原创 2017-03-02 20:33:41 · 1161 阅读 · 0 评论 -
论文阅读:An Enhanced Deep Feature Representation for Person Re-identification
主要贡献: 1. 提出Feature Fuse Net,该网络学习受传统特征的约束。 2. 形成一种新的特征表示 网络结构:原创 2017-03-22 14:58:20 · 1265 阅读 · 0 评论 -
Deep Ranking for Person Re-identification via Joint Representation Learning
Alexnet: http://blog.csdn.net/sunbaigui/article/details/39938097中山大学人机物智能融合实验室 http://hcp.sysu.edu.cn/?page_id=16原创 2017-04-13 13:54:22 · 2030 阅读 · 0 评论 -
dataset for person re-id
CUHK02 取自5个不同的户外camera对,共1816人。5个camera对分别有971,306,107,193,239人,大小160*60. 每个人在每个摄像机下的不同时间内取两张图片。大多数人都有负重(背包,手提包,皮带包,行李)。 VIPeR:632人,2个户外摄像头,有不同的视角和光照条件。每个人在每个摄像机下有一张图像,尺度为128*48。提供的角度0度(front),45度,9原创 2016-12-02 20:23:26 · 5177 阅读 · 3 评论 -
Bit-Scalable Deep Hashing with Regularized Similarity Learning for Image Retrieval and Person Re-ide
总结:(1)对基于三元组学习的损失函数利用拉普拉斯矩阵增加了规则化项 (2)通过给hashing code 的每一Bit 给定一个权重,从而实现Bit-Scalable (3)设计tanh-like layer (4)设计基于图像的优化算法Hash—> fast approximate similarity searchAbst原创 2016-10-13 15:08:42 · 967 阅读 · 0 评论