2023年12月27日
Identity-Guided Human Semantic Parsing for Person Re-Identification
摘要： 实线代``表训练阶段，虚线代表聚类阶段。这两个阶段迭代完成，直到网络收敛。 ISP 是一种普遍适用且与骨干网无关的方法。 伪部分标签生成 部分对齐特征学习 3.1交代了是基于像素级别的部分对齐 3.2介绍级联聚类，用来伪部分标签的生成 阅读全文
posted @ 2023-12-27 20:42 luzhuflower 阅读(13) 评论(0) 推荐(0) 编辑
TIP2023 | Human Co-Parsing Guided Alignment for Occluded Person Re-Identification
摘要： 代码：https://github.com/Vill-Lab/2022-TIP-HCGA 摘要：由于更多的背景噪声和不完整的前景信息，被遮挡人员重新识别（ReID）是一项具有挑战性的任务。尽管现有的基于人类解析的 ReID 方法可以通过最精细像素级别的语义对齐来解决这个问题，但它们的性能很大程度上受 阅读全文
posted @ 2023-12-27 16:42 luzhuflower 阅读(54) 评论(0) 推荐(0) 编辑
2023年12月18日
Occluded Person Re-Identification with Deep Learning: A Survey and Perspectives
摘要： 应对行人信息丢失、噪声干扰、视角错位等挑战 局部特征学习：人体分割、姿态估计、语义分割、属性注释、混合法 ***语义分割*** ECCV-2020）用于行人重识别的身份引导人类语义解析 https://blog.51cto.com/u_14300986/5466923 阅读全文
posted @ 2023-12-18 11:19 luzhuflower 阅读(21) 评论(0) 推荐(0) 编辑
2023年12月5日
Multi-view Information Integration and Propagation for Occluded Person Re-identification
摘要： 这篇从多视角这个思路出发，提出多视图信息集成模块，包括定位、量化和集成。 给定具有相同身份的多个图像，MVI2P：i）定位特征图中的空间辨别区域以过滤掉噪声信息。 ii）量化不同图像的显着性信息的相对重要性。 iii) 通过执行逐元素加法来集成多视图信息。 iv)通过知识蒸馏将多个图像隐含的综合信息 阅读全文
posted @ 2023-12-05 12:00 luzhuflower 阅读(25) 评论(0) 推荐(0) 编辑
Erasing, Transforming, and Noising Defense Network for Occluded Person Re-Identification
摘要： 三个分支：擦除、转换、噪声 用来生成对抗性表征，模拟遮挡问题 对应信息丢失、位置错位和噪声信息 对抗性防御：思路是GAN网络，以对抗性的方式优化生成器和判别器 阅读全文
posted @ 2023-12-05 11:21 luzhuflower 阅读(11) 评论(0) 推荐(0) 编辑
2023年4月21日
猛读论文13 |【CVPR 2022 UDA】Unleashing Potential of Unsupervised Pre-Training with Intra-Identity Regularization for Person Re-Identification
摘要： 动机 解决（1）对比学习管道中的增强通常会扭曲人物图像中的判别线索（2）细粒度的局部特征人物图像尚未得到充分探索。 思路 阅读全文
posted @ 2023-04-21 19:52 luzhuflower 阅读(46) 评论(0) 推荐(0) 编辑
猛读论文6 |【CVPR 2022】Camera-Conditioned Stable Feature Generation for Isolated Camera Supervised Person Re-IDentification
摘要： 用于孤立摄像机监督行人重识别的摄像机条件稳定特征生成 动机 常规ReID，对于一个ID，在不同摄像头拍摄的图片上提取跨相机视图不变特征 而 ISCS情况下，无法做到同一个ID采集到不同摄像头图片 由于跨相机样本在人体 Re-ID 模型训练中起着重要作用，而在 ISCS 设置下不存在此类配对图像，因此 阅读全文
posted @ 2023-04-21 16:36 luzhuflower 阅读(118) 评论(0) 推荐(0) 编辑
点击右上角即可分享
微信分享提示