A1A1AA |
|
||
2020年11月17日
摘要:
##1.介绍 ## 问题:完全监督训练网络有效,虽然数据集的收集不是问题,但是数据集的标注(定label)是一个比较繁琐的事情。 本文就利用知识蒸馏方法来解决在没有类标签的情况下,如何利用已经训练好的一个模态的网络信息,来训练另外一个模态的网络。 这篇论文主要是利用知识蒸馏的方法进行跨模态蒸馏,经过 阅读全文
2020年11月13日
摘要:
##1.介绍 ## 这篇论文是Visible Thermal Person Re-Identification via Dual-Constrained Top-Ranking(IJCAI-18)论文发表会议后,投的一篇期刊。 作者这篇期刊论文在原先那篇会议论文的基础上改进了一部分, 主要是将原先的 阅读全文
摘要:
##1.介绍 ## 这篇论文主要是基于原先的hard triplet提出了了hard global triplet loss和hard cross-modality loss,用它们组成了一个hard pentaplet loss(五态损失)。即下图所示, 原先的hard triplet 只能拉近a 阅读全文
2020年11月12日
摘要:
##1.介绍 ## 背景:以前的方法试图使用特征级约束同时减少外观和形态差异,但是仅仅依靠特征级的约束来处理跨模态数据是不够的。 创新:作者将跨模态差异(rgb和ir特征差异)和内模态差异(姿态、视角)分开处理。提出了 Dual-level Discrepancy Reduction Learnin 阅读全文
摘要:
##1.介绍 ## 不足:由于以往的对于re-id的研究使用了两个或两个以上的输入图像,计算复杂度很高;17年一个deep zero-padding性能不行 创新:基于将输入数据全部输入一个one-stream网络,和deep zero-padding改变数据输入形式类似,作者提出了三种数据输入形式 阅读全文
2020年11月10日
摘要:
##1.介绍 ## 本文的创新主要是在讲GAN首次运用在了跨模态的re-id,并取得了较好的效果。(若不知道GAN,建议先看一会GAN简介) ##2.思想 ## 在跨模态的re-id中主要有以下方面困难: 1.intra-modality:相同模态的图片由于姿态、光照的等原因,同一个人的同一个模态差 阅读全文
摘要:
##1. 概要 这篇论文相当于是跨模态行人重识别的开山之作,在此之前几乎没有人研究跨模态的行人重识别。 本文主要贡献有: 1.提出了用于跨模态re-id的数据集SYSU-MM01 2.提出了deep zero-padding(零填充),在one-stream网络中使用deep zero-paddin 阅读全文
摘要:
跨模态行人重识别 阅读全文
摘要:
跨模态行人重识别 阅读全文
2020年11月9日 |
Copyright © 2024 A1A1AA
Powered by .NET 8.0 on Kubernetes |