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 为提取视频级特征，采用了Relation Guided Temporal Refinement Module ...
2020-04-24 15:30 0 631 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、判别力局部挖掘、不带参特征融合、视频内正则化项。 Proposed Method （1）总体 ...
考虑进行人重识别中，提出了时空联合注意力池化网络（jointly Attentive Spatial-T ...
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 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 ...
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 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 ...
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 ...
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 ...
