論文閱讀筆記（二十九）【CVPR2020】：Cross-modality Person re-identification with Shared-Specific Feature Transfer
Introduction （1）Motivation： 解決跨模態reid的方法主要有兩類：模態共享特征學習（modality-shared feature learning）、模態特定特征補償（ ...
原文：Joint Disentangling and Adaptation for Cross-Domain Person Re-Identification (ECCV 2020)
. Motivation 目前大部分域自適應方法一般是分為兩種：input level 和 feature level。這些方法大部分都是在特征空間中進行操作，而這些特征同時包含 id related 和 id unrelated 信息，其中的 id unrelated 信息會干擾和限制域自適應的性能。 Cross domain Re ID 需要解決兩個問題：disentangling 解耦 和 ...
2020-07-28 11:18 0 983 推薦指數：
相關推薦
論文閱讀筆記（四十九）【CVPR2020】：Hi-CMD: Hierarchical Cross-Modality Disentanglement for Visible-Infrared Person Re-Identification
Introduction 本文主要解決RGB-IR跨模態匹配問題。貢獻主要有三部分組成： ① 提出了 Hierarchical Cross-Modality Disentanglement（Hi-CMD）方法，該模塊的目的是排除姿態、光照這些冗余特征（ID-excluded）的影響，提取 ...
論文閱讀筆記（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屬性信息來挖掘各個局部特征的權重，如下圖所示。 網絡框架如下圖。框架對人體的六組屬性進行了區分：性別&年齡、頭部、上半身、下半身、鞋子、背包拎包等，具體見下表。通 ...
論文閱讀筆記（三十八）【AAAI2020】：Semantics-Aligned Representation Learning for Person Re-identification
Introduction （1）Motivation： 當前的reid存在語義不對齊的問題，如下圖： 圖（a）顯示了不同圖片的相同位置對應了行人的不同身體部位；圖（b）顯示了不同圖片呈現的部 ...
論文閱讀筆記（三十六）【AAAI2020】：Relation-Guided Spatial Attention and Temporal Refinement for Video-based Person Re-Identification
Introduction 為了提取兩個特征之間的相關性，設計了Relation Module（RM）來計算相關性向量； 為了減小背景干擾，關注局部的信息區域，采用了Relation-Guided ...
論文閱讀筆記（三十）【CVPR2020】：High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification
參考曠視研究院推文【傳送門】 Introduction （1）Motivation： 遮擋行人重識別（Occluded Person ReID）更具有挑戰性： ① 受到遮擋的影響，圖像的判別信息更少，更容易匹配到錯誤的行人； ② 基於身體部位之間的特征信息做匹配雖然有效，但在被遮擋 ...
論文閱讀筆記（四十二）【AAAI2019】：STA：Spatial-Temporal Attention for Large-Scale Video-based Person Re-Identification
Introduction 本文主要提出了高效且容易實現的STA框架（Spatial-Temporal Attention）來解決大規模video Reid問題。框架中融合了一些創新元素：幀選取、判別 ...
論文閱讀筆記（二十七）【AAAI2019】：A Bottom-Up Clustering Approach to Unsupervised Person Re-Identification
Introduction 本文有如下3個貢獻： ① 提出了一個自下而上（bottom-up）的聚類框架（BUC）來解決無監督的ReID問題； ② 采用repelled損失來優化模型，repell ...