Introduction Person search任務的目的是：定位並識別目標行人。其包含了兩個子任務：行人檢測和行人重識別。現有方法主要分為兩類：二步檢索框架和一步二階段檢索框架。前者先通過目標檢測算法定位行人位置，再裁切出行人進行重識別，這類方法比較耗時 后者實現了兩種任務的端到端學習，通過ROI對齊層獲取行人區域 如Faster RCNN ，這類方法存在密集anchor計算復雜的問題以及超 ...
2021-06-04 20:35 0 292 推薦指數：
Introduction 現有主流方法采用了復雜的骨干網絡，參數量大，處理速度慢。因此本文的目標是構建一個計算效率更高、更適合ReID的輕量級網絡。 Neural Architecture Search(NAS)被利用來搜索輕量高效的網絡，但一般需要非常高昂的計算資源 ...
論文地址：https://arxiv.org/abs/2103.11617 代碼地址：https://github.com/daodaofr/AlignPS 前言: 本文針對anchor-free模型用於行人搜索中會出現三個不對齊問題：Scale misalignment，Region ...
Introduction 當下眾多方法采用雙流網絡結構來解決RGB-IR跨模態問題。作者通過研究發現，BN層在學習模態分布中發揮着至關重要的作用。對於每一個BN都要設置是否為分離。ResNet包含了 ...
論文原址：https://arxiv.org/abs/1903.00621 摘要 本文提出了基於無anchor機制的特征選擇模塊，是一個簡單高效的單階段組件，其可以結合特征金字塔嵌入到單階段檢測器中。FSAF解決了傳統基於anchor機制的兩個限制:(1)啟發式 ...
Introduction 在空間維度上，現有video reid方法局限於把所有幀在相同分辨率下進行特征提取，造成了特征冗余，如圖(a)。 在時間維度上，現有方法要么采用long-term要么 ...
持續更新Github： https://github.com/Sophia-11/Awesome-CVPR-Paper CVPR 2021 致力於計算機視覺和模式識別包括顏色檢測、跟蹤、運動、物體識別、音響和目標檢測。 Image-to-image Translation via ...
CornerNethourglass network -> prediction module = corner pooling -> heatmaps + embedding + off ...
anchor-free分支的FASF模型。通過使用較小的推理開銷實現對baseline極大的提升，同時在 ...
