Introduction 本文有如下 个贡献： 提出了一个自下而上 bottom up 的聚类框架 BUC 来解决无监督的ReID问题 采用repelled损失来优化模型，repelled损失直接优化了样本 聚类之间的余弦距离，可以挖掘聚类之间的相似性以及最大化不同身份之间的差异性 提出了一个多样性正则化项来保证每个聚类内部图像数量的平衡性，使得聚类结果更符合真实环境下的分布规律。 开源 http ...
2020-03-13 17:15 0 1018 推荐指数：
Introduction 本文主要提出了高效且容易实现的STA框架（Spatial-Temporal Attention）来解决大规模video Reid问题。框架中融合了一些创新元素：帧选取、判别 ...
Introduction （1）Motivation： 当前的reid存在语义不对齐的问题，如下图： 图（a）显示了不同图片的相同位置对应了行人的不同身体部位；图（b）显示了不同图片呈现的部 ...
Introduction 为了提取两个特征之间的相关性，设计了Relation Module（RM）来计算相关性向量； 为了减小背景干扰，关注局部的信息区域，采用了Relation-Guided ...
Introduction （1）Motivation： 解决跨模态reid的方法主要有两类：模态共享特征学习（modality-shared feature learning）、模态特定特征补偿（ ...
本文提出的方法思想是利用属性信息来挖掘各个局部特征的权重，如下图所示。 网络框架如下图。框架对人体的六组属性进行了区分：性别&年龄、头部、上半身、下半身、鞋子、背包拎包等，具体见下表。通 ...
Introduction 该文章首次采用深度学习方法来解决基于视频的行人重识别，创新点：提出了一个新的循环神经网络架构（recurrent DNN architecture），通过使用Siamese ...
Introduction （1）Motivation： 当前采用CNN-RNN模型解决行人重识别问题仅仅提取单一视频序列的特征表示，而没有把视频序列匹配间的影响考虑在内，即在比较不同人的时候，根据 ...
Introduction （1）Motivation: 在匹配过程中，存在行人的不同图片语义信息不对齐、局部遮挡等现象，如下图： （2）Contribution: ① 提出了Spin ...
