![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
行人重识别论文阅读
文章平均质量分 88
zlsd21
这个作者很懒,什么都没留下…
展开
-
[行人重识别论文阅读]DomainMix: Learning Generalizable Person Re-Identification Without Human Annotations
论文地址项目地址本篇论文解析引自1.论文摘要1.提出利用有标签的合成数据集A和无标签的真实数据集B训练出能泛化到未知场景C的模型。2.为了实现A+B->C,论文提出了一个新的方法DomainMix2.DomainMix框架1.该框架由基于聚类的动态训练数据集生成和域不变的行人再识别特征学习两部分组成。2.动态训练数据集生成部分,我们设计了三个准则用于筛选聚类结果,由此动态生成可靠的训练集3.在域不变的行人再识别特征学习部分我们分为训练前和训练时两个阶段。训练前对分类层动态的初始化,可原创 2021-11-25 11:11:41 · 2456 阅读 · 0 评论 -
[行人重识别论文专栏阅读导向]
本篇文章为目前专栏中总结论文的索引:1.换衣方向COCAS A Large-Scale Clothes Changing Person Dataset for Re-identificationPerson Re-identification by Contour Sketch under Moderate Clothing ChangeFine-Grained Shape-Appearance Mutual Learning for Cloth-Changing Person Re-Identif原创 2021-11-24 16:09:20 · 1876 阅读 · 0 评论 -
[行人重识别论文阅读]Meta Batch-Instance Normalization for Generalizable Person Re-Identification
论文地址:论文代码:预备知识:meta-learning[李宏毅老师的讲解笔记]1 文章思想BN(batch normalization):图像增强方法,相对于IN来说是增强了不同域间的差异IN( instance normalization):DG(Domain generation)中常用的方法,用来消除域之间的风格差异我们可以从描述中看出BN与IN是对立的存在,单独使用BN与IN会分别带来Under-style-normalization以及Over-style-normalization原创 2021-11-17 08:27:22 · 3374 阅读 · 2 评论 -
[行人重识别论文阅读]Person Re-identification by Contour Sketch under Moderate Clothing Change
论文地址: https://arxiv.org/abs/2002.02295论文代码: 没有官方代码,准备日后复现,先空在这里本文思想去除掉行人的衣服特征,利用行人的轮廓来识别行人。但是这样就会产生一个问题就是不同行人之间的轮廓太为相似,所以我们必须在使用全局轮廓图的同时将轮廓图的局部信息引入。但是我们又如何充分的利用局部信息呢?方法如下图所示:如上图(b)我们以轮廓图的中心为极点,通过不断的变化θ与r来扫描到整个人的所有轮廓信息。整体流程图具体方法SPT我们将RGB图像进行空间极性原创 2021-11-02 16:44:21 · 546 阅读 · 1 评论 -
[行人重识别论文阅读]Invariance Matters: Exemplar Memory for Domain AdaptivePerson Re-identification
论文链接:https://arxiv.org/abs/1904.01990代码:https://github.com/zhunzhong07/ECNAbstract1.传统的无监督方法只关注于缩小源域与目标域之间的gap,而忽略了目标域内的变量变化,这个变化很大程度上影响了性能。2.我们提出了三种不变性:exemplar-invariance, camera-invariance and neighborhood-invariance。3.为了实现我们的目标,我们引入了一个 exemplar me原创 2021-10-20 15:07:53 · 1186 阅读 · 0 评论 -
[行人重识别论文阅读]无监督学习发展与小结
Unsupervised domain adaptation (UDA) for person re-ID.UDA methods have attracted much attention because their capability of saving the cost of manual annotations. There are three main categories of methods.UDA方法由于节省了手工标注的花费而吸引了许多关注,这里主要有三种方法:The first c原创 2021-10-18 20:39:12 · 1837 阅读 · 1 评论 -
[行人重识别论文阅读]Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person
论文地址:https://openreview.net/forum?id=rJlnOhVYPS代码地址:https://github.com/yxgeee/MMT文章的主要核心思想顾名思义就是解决伪标签噪声问题。看到网上有很好的解析文章:https://zhuanlan.zhihu.com/p/116074945/Abstract1.最先进的无监督领域自适应人再识别方法通过在目标域上使用聚类算法生成的伪标签进行优化,将学习到的知识从源域转移到目标域,但忽略了不可避免的标签噪声的聚类过程。2.我原创 2021-10-18 10:41:14 · 1176 阅读 · 0 评论 -
[行人重识别论文阅读]COCAS A Large-Scale Clothes Changing Person Dataset for Re-identification
论文地址:https://arxiv.org/pdf/2005.07862.pdf注:首先这篇论文是基于自己的数据集COCAS下的,COCAS数据集目前没有官方获取途径Abstract1.query 包括 衣服模板和行人穿着其它衣服的图片。2.我们提出了一种叫BC-Net的网络,在我们的设置下可以有效的结合衣服特征和生物特征。1.Introduction下图展示了我们的搜索方法,query以及gallery的模式传统行人重识别的不足:1.模型都是基于穿着同样衣服的行人训练出来的2.生物特原创 2021-10-15 17:15:03 · 336 阅读 · 0 评论 -
[行人重识别论文阅读]Global Distance-distributions Separation for Unsupervised Person Re-identification
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原创 2021-10-10 16:30:59 · 601 阅读 · 0 评论 -
[行人重识别论文阅读]Relation Network for Person Re-identification
论文地址:https://arxiv.org/pdf/1911.09318v1.pdf代码:https://github.com/cvlab-yonsei/RRIDAbstractwe propose a new relation network for person reID that considers relations between individual body parts and the rest of them.Our model makes a single part-level f原创 2021-10-08 20:19:54 · 332 阅读 · 0 评论 -
[行人重识别论文阅读]AlignedReID: Surpassing Human-Level Performance in Person Re-Identification
论文地址:代码地址:Abstract摘要部分明确提出了本文的重要思想,利用局部特征学习影响全局特征学习,并指出局部特征的学习方法是通过计算局部特征间的最短距离进而aligned局部特征。原文:Global feature learning benefits greatlyfrom local feature learning, which performs an align-ment/matching by calculating the shortest path between twosets原创 2021-10-06 17:15:12 · 661 阅读 · 0 评论 -
[行人重识别论文阅读]Fine-Grained Shape-Appearance Mutual Learning for Cloth-Changing Person Re-Identification
论文地址论文代码:暂无文章思想在上篇文章中我们引入了sketch(行人轮廓图)的思想去解决换衣问题,但是我们会在实践中发现sketch的优劣性严重影响了最后实验结果的好坏。此篇论文的核心思想就提高行人轮廓图的图片质量。方法一:利用行人标签提高轮廓图质量想法很简单就是如果该行人轮廓图能够正确的预测出行人的标签,那么其行人轮廓图的质量就会非常不错。虽然这种方法很好但是会出现一个问题:如上图的(c)所示除了轮廓以外的其它细节也被引入,其它细节虽然会提高模型的预测准确率 但是我们只是想要行人的轮廓,原创 2021-11-03 09:55:02 · 872 阅读 · 2 评论