Introduction 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 modality specific feature compensation 。模态共享特征学习旨在将不同模态的图片映射到同一个特征空间，但这种方法的性能受限，一些特定的信息 如RGB的颜色 IR的热度 被当做冗 ...
2020-03-21 13:09 2 1334 推荐指数：
Introduction 本文主要解决RGB-IR跨模态匹配问题。贡献主要有三部分组成： ① 提出了 Hierarchical Cross-Modality Disentanglement（Hi-CMD）方法，该模块的目的是排除姿态、光照这些冗余特征（ID-excluded）的影响，提取 ...
boundary rectification）来解决这个问题，由此每个样本获得了一个伪类，作为状态信息 ...
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 ...
参考旷视研究院推文【传送门】 Introduction （1）Motivation： 遮挡行人重识别（Occluded Person ReID）更具有挑战性： ① 受到遮挡的影响，图像的判别信息更少，更容易匹配到错误的行人； ② 基于身体部位之间的特征信息做匹配虽然有效，但在被遮挡 ...
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 本文有如下3个贡献： ① 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； ② 采用repelled损失来优化模型，repell ...
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 ...
