Unsupervised Person Re-identification by Soft Multilabel Learning
簡介: 這是一篇19年CVPR的跨域無監督Re-ID論文，在Market1501和DukeMTMC-reID上分別達到了67.7%和67.1%的rank-1精度，算是一篇將准確度刷得比較高的論文了，在這篇論文中主要是偏重了loss函數的設計而非網絡結構，所以理解起來還是有一定難度的，下面就來 ...
原文：TOMM2018_Unsupervised Person Re-identification: Clustering and Fine-tuning
Unsupervised Person Re identification: Clustering and Fine tuning 思想很清晰： a 用其他的標注數據集先訓練一個pre trained model b 用這個model提取training的特征 c 把提取的feature做一個K均值分類，然后算一個中心特征 d 每類距離中心特征小於閾值的樣本被選出來，回到a fine tune m ...
2019-08-09 11:24 0 430 推薦指數：
相關推薦
CVPR2018: Unsupervised Cross-dataset Person Re-identification by Transfer Learning of Spatio-temporal Patterns
論文可以在arxiv下載，老板一作，本人二作，也是我們實驗室第一篇CCF A類論文，這個方法我們稱為TFusion。 代碼：https://github.com/ahangchen/TFusion 解決的目標是跨數據集的Person Reid 屬於無監督學習 方法是多模態數據 ...
CVPR19_Patch-based Discriminative Feature Learning for Unsupervised Person Re-identification
同樣來自中山大學Weishi Zheng老師組的一篇unsupervised person reid，但這篇不是domain adaption，而是只有unlabeled data。 PCB等監督模型的出現表明分塊對於行人重識別的有效性。因此這篇文章利用分塊的思想解決非監督問題 ...
Transferable Joint Attribute-Identity Deep Learning for Unsupervised Person Re-Identification理解
簡介：這篇文章屬於跨域無監督行人再識別，不同於大部分文章它使用了屬性標注。旨在於能夠學習到有屬性語義與有區分力的身份特征的表達空間（TJ-AIDL），並能夠轉移到一個沒有看到過的域。 貢獻： ...
Person Re-identification 系列論文筆記（二）：A Discriminatively Learned CNN Embedding for Person Re-identification
A Discriminatively Learned CNN Embedding for Person Re-identification Zheng Z, Zheng L, Yang Y. A Discriminatively Learned CNN Embedding ...
關於fine-tuning
什么是fine-tuning？簡單舉一個本人的例子來說明 我有兩種類型的數據集，一種命名為style1，另一種為style2，兩種數據集類型（也就是label）一致，但是數據卻采集於不同的地方，比如佛經的手寫文字和《黃帝內經》的手寫文字。現在我基於style1的數據集上訓練出一個識別模型 ...
fine-tuning
fine-tuning是微調的意思，是用別人訓練好的模型(即pre-trained model)，加上我們自己的數據，來訓練新的模型。fine tune相當於使用別人的模型的前幾層，來提取淺層特征，然后在最后再落入我們自己的分類中。 一般來說我們自己需要做的方向，比如在一些特定的領域的識別分類中 ...
Person Transfer GAN to Bridge Domain Gap for Person Re-identification
Re-identification, Person ReID）是指給定一個行人的圖片/視頻（probe），然后從一個監控網絡所拍 ...