论文阅读笔记（二十五）【CVPR2020】：Weakly Supervised Discriminative Feature Learning with State Information for Person Identification
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 ...
原文：论文阅读笔记（三十）【CVPR2020】：High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification
参考旷视研究院推文 传送门 Introduction Motivation： 遮挡行人重识别 Occluded Person ReID 更具有挑战性： 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 基于身体部位之间的特征信息做匹配虽然有效，但在被遮挡的情况下难以进行严格的部位对齐。 当前提出的针对遮挡或具体部位的ReID方法，基本只是考虑了特征学习和对齐的一阶信息，比如预先定义的区域 ...
2020-03-27 12:54 0 1680 推荐指数：
相关推荐
论文阅读笔记（二十九）【CVPR2020】：Cross-modality Person re-identification with Shared-Specific Feature Transfer
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（modality-specific feature compensation）。模态共享特征学习 ...
论文阅读笔记（四十九）【CVPR2020】：Hi-CMD: Hierarchical Cross-Modality Disentanglement for Visible-Infrared Person Re-Identification
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- ...
论文阅读笔记（三十八）【AAAI2020】：Semantics-Aligned Representation Learning for Person Re-identification
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 ...
论文阅读笔记（三十六）【AAAI2020】：Relation-Guided Spatial Attention and Temporal Refinement for Video-based Person Re-Identification
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 Spatial Attention Module（RGSA），由特征和相关性向量来决定关注的区域 ...
论文阅读笔记（十）【CVPR2016】：Recurrent Convolutional Network for Video-based Person Re-Identification
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 ...
论文阅读笔记（三十九）【CVPR2017】：Spindle Net Person Re-identification with Human Body Region Guided Feature Decomposition and Fusion
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 ...
论文阅读笔记（四十八）【CVPR2019】：Attribute-Driven Feature Disentangling and Temporal Aggregation for Video Person Re-Identification
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 ...