摘要：
Introduction 本文主要设计了一个自学习的区域对称Reid框架，解决提取的特征区域不对齐的问题。 Our Approach 假设图片集合为，模型采用了三元组损失。 （1）区域对齐表征： 区域映射检测器采用的是一个卷积层。该网络输出K个区域特征，最终concat得到：。该网络效果如下： （2 阅读全文
摘要：
Introduction 作者认为之前提出的网络忽视了不同阶段的特征差异，新提出了一个同时考虑时间、语义信息的网络框架。在时间维度采用了注意力机制，之前的方法都是将每一帧看成独立的个体提取注意力得分，但作者考虑了帧与帧之间的关系信息；在语义维度采用了CNN多层特征融合的策略 Methods （1）概 阅读全文
摘要：
Introduction 本文主要提出了高效且容易实现的STA框架（Spatial-Temporal Attention）来解决大规模video Reid问题。框架中融合了一些创新元素：帧选取、判别力局部挖掘、不带参特征融合、视频内正则化项。 Proposed Method （1）总体思路： 先通过 阅读全文
摘要：
Introduction （1）Motivation： 当前的行人重识别方法存在如下两个问题： ① 随着网络的深入，行人的细节特征难以捕捉，例如鞋子、墨镜； ② 硬性分割行人区域存在语义的不对齐。 （2）Contribution： 针对问题①，作者提出了Multi-Scale Context-Awa 阅读全文
摘要：
Introduction 作者提出了两个问题： ①行人重识别性能的提高需要结合很多复杂的模型吗（如关键点提取等）？ ②使用局部检测框是提取局部特征的最好方法吗？ 针对第一个问题，作者采用了Inception-V3作为骨干网络，采用交叉熵损失，简单的方法也取得了最佳的效果。针对第二个问题，作者采用了语 阅读全文
摘要：
Introduction （1）Motivation: 在匹配过程中，存在行人的不同图片语义信息不对齐、局部遮挡等现象，如下图： （2）Contribution: ① 提出了Spindle Net，包含了多阶段ROI池化框架用于提取不同部位的特征，再通过特征融合网络对不同部位的特征进行融合； ② 设 阅读全文
摘要：
Introduction （1）Motivation： 当前的reid存在语义不对齐的问题，如下图： 图（a）显示了不同图片的相同位置对应了行人的不同身体部位；图（b）显示了不同图片呈现的部位不一样，有些是正面有些是背面等。 （2）Contribution： 提出了一个语义对齐网络（Semantic 阅读全文
摘要：
Introduction 本文设计了Frame-Guided Region-Aligned model（FGRA）。模型结构包含两个分支：全局分支和局部分支。全局分支用来提取全局的特征，局部分支再细分为区域对齐机制和特征聚合策略。FGRA可以对视频的每一帧的区域进行对齐，在遇到类似下图的姿态、尺寸失 阅读全文