随笔分类 - 论文翻译及理解
摘要：Motivation: 这是ICCV 17年做无监督视频ReID的一篇文章。这篇文章简单来说基于两个Motivation。 在不同地方或者同一地方间隔较长时间得到的tracklet往往包含的人物是不同的 一个tracklet里面，大多数图片帧对应的都是同一个人 以上两点虽然是假设，但是也是满足大部分
阅读全文
摘要：Motivation： 步态可被当作一种可用于识别的生物特征在刑侦或者安全场景发挥重要作用。但是现有的方法要么是使用步态模板（能量图与能量熵图等）导致时序信息丢失，要么是要求步态序列连续，导致灵活性差。这篇文章是将步态当成包含独立帧的集合，不要求帧的排列顺序甚至可以把不同场景下的视频帧整合在一起。
阅读全文
摘要：Motivation: 深度度量学习的目标是学习一个嵌入空间来从数据点中捕捉语义信息。现有的成对或者三元组方法随着模型迭代过程会出现大量的平凡组导致收敛缓慢。针对这个问题，一些基于排序结构的损失取得了不错的结果，本文主要是针对排序loss存在的两个不足做的改进。 不足一：给定一个query，只利用了
阅读全文
摘要：这篇文章是ICML 2019上一篇做域适应的文章，无监督域适应研究的问题是如何把源域上训练的模型结合无lable的目标域数据使得该模型在目标域上有良好的表现。之前的研究都有个假设，就是数据来自哪个域是有着域标签的，其实这不太现实，就拿手写字识别打比方，不同的人使用不同的笔如纸张，那写出来的字会是不同
阅读全文
摘要：简介: 这是一篇19年CVPR的跨域无监督Re-ID论文，在Market1501和DukeMTMC-reID上分别达到了67.7%和67.1%的rank-1精度，算是一篇将准确度刷得比较高的论文了，在这篇论文中主要是偏重了loss函数的设计而非网络结构，所以理解起来还是有一定难度的，下面就来一探它的
阅读全文
摘要：简介：这篇文章属于跨域无监督行人再识别，不同于大部分文章它使用了属性标注。旨在于能够学习到有属性语义与有区分力的身份特征的表达空间（TJ-AIDL），并能够转移到一个没有看到过的域。 贡献： 之前工作存在的问题： Re-ID: 依赖手工特征；缺乏有效域适应能力；单独利用身份与属性标注信息忽略了它们的
阅读全文
摘要：行人再识别Re-ID面临两个特殊的问题： 1）源数据集和目标数据集类别完全不同 2）相机造成的图片差异 因为一般来说传统的域适应问题源域和目标域的类别是相同的，相机之间的不匹配也是造成行人再识别数据集数据分布不同的主要原因之一，如何在域适应中有效利用相机信息还没有一个很好的解决方案。 在这篇论文中，
阅读全文
摘要：StarGAN的引入是为了解决多领域间的转换问题的，之前的CycleGAN等只能解决两个领域之间的转换，那么对于含有C个领域转换而言，需要学习C*(C-1)个模型，但StarGAN仅需要学习一个，而且效果很棒，如下： 创新点：为了实现可转换到多个领域，StarGAN加入了一个域的控制信息，类似于CG
阅读全文
摘要：
阅读全文
摘要：在美术中，特别是绘画，人类掌握了通过在图像的内容和风格间建立复杂的相互作用从而创造独特的视觉体验的技巧。到目前为止，这个过程的算法基础是未知的，也没有现存的人工系统拥有这样的能力。然而在视觉感知的其他重要方向，如目标和人脸识别，一种受生物启发的深层神经网络最近展示了接近人类的表现。本文介绍了一种基于
阅读全文
摘要：《SVDNet for Pedestrian Retrieval》理解 Abstract: 这篇文章提出了一个用于检索问题的SVDNet,聚焦于在行人再识别上的应用。我们查看卷积神经网络中全连接层的每一个权重向量，发现它们往往都高度相关。这导致了每个全连接描述中个体之间的相关性，在基于欧几里得距离时
阅读全文