摘要: AlignedReID Zhang X, Luo H, Fan X, et al. AlignedReID: Surpassing Human-Level Performance in Person Re-Identification[J]. 2017. 本篇是来自旷视的一篇论文,刚发出来时号称超越 阅读全文
posted @ 2018-07-25 16:23 Link_Z 阅读(2556) 评论(0) 推荐(0) 编辑
摘要: CNN的权值正交性和特征正交性,在一定程度上是和特征表达的差异性存在一定联系的。 下面两篇论文,一篇是在训练中对权值添加正交正则提高训练稳定性,一篇是对特征添加正交性的损失抑制过拟合。 第一篇:Orthonormality Regularization Xie D, Xiong J, Pu S. A 阅读全文
posted @ 2018-07-25 15:19 Link_Z 阅读(820) 评论(0) 推荐(0) 编辑
摘要: SVDNet for Pedestrian Retrieval Sun Y, Zheng L, Deng W, et al. SVDNet for Pedestrian Retrieval[J]. 2017.a spotlight at ICCV 2017 这篇的出发点是全连接层的权值相关性分析,作 阅读全文
posted @ 2018-07-25 14:26 Link_Z 阅读(1196) 评论(0) 推荐(1) 编辑
摘要: Re-ID done right: towards good practices for person re-identification Almazan J, Gajic B, Murray N, et al. Re-ID done right: towards good practices fo 阅读全文
posted @ 2018-07-24 12:00 Link_Z 阅读(498) 评论(0) 推荐(0) 编辑
摘要: http://bindog.github.io/blog/2016/06/04/from-sne-to-tsne-to-largevis/#top 阅读全文
posted @ 2018-07-24 11:41 Link_Z 阅读(267) 评论(0) 推荐(0) 编辑
摘要: Improving Person Re-identification by Attribute and Identity Learning Lin Y, Zheng L, Zheng Z, et al. Improving Person Re-identification by Attribute 阅读全文
posted @ 2018-07-23 19:53 Link_Z 阅读(708) 评论(0) 推荐(0) 编辑
摘要: A Discriminatively Learned CNN Embedding for Person Re-identification Zheng Z, Zheng L, Yang Y. A Discriminatively Learned CNN Embedding for Person Re 阅读全文
posted @ 2018-07-21 20:12 Link_Z 阅读(2211) 评论(0) 推荐(0) 编辑
摘要: 打算整理一个关于Person Re-identification的系列论文笔记,主要记录近年CNN快速发展中的部分有亮点和借鉴意义的论文。 论文笔记流程采用contributions->algorithm pipeline>experiments->个人评价 Scalable Person Re-i 阅读全文
posted @ 2018-07-20 12:06 Link_Z 阅读(807) 评论(0) 推荐(0) 编辑
摘要: 一个特性:低维(特征少)转向高维的过程中,样本会变的稀疏(可以有两种理解方式:1.样本数目不变,样本彼此之间距离增大。2.样本密度不变,所需的样本数目指数倍增长)。 高维度带来的影响: 1.变得可分。 由于变得稀疏,之前低维不可分的,在合适的高维度下可以找到一个可分的超平面。 2.过拟合风险。 过高 阅读全文
posted @ 2018-05-12 17:58 Link_Z 阅读(1827) 评论(0) 推荐(0) 编辑
摘要: 原文章地址:维度灾难 - 柳枫的文章 - 知乎 https://zhuanlan.zhihu.com/p/27488363 对于大多数数据,在一维空间或者说是低维空间都是很难完全分割的,但是在高纬空间间往往可以找到一个超平面,将其完美分割。引用The Curse of Dimensionality 阅读全文
posted @ 2018-05-10 15:17 Link_Z 阅读(1027) 评论(0) 推荐(0) 编辑