ReID论文笔记1-Deeply-Learned Part-Aligned Representations for Person Re-Identification

本文为ReID论文笔记,探讨了一种无需人体部分标记或检测器的part-aligned方法,通过全连接卷积层和部分检测器学习人体部分特征,使用triplet loss进行优化,对姿势变化具有鲁棒性。模型结构简洁,适用于实际应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

论文地址:

https://arxiv.org/abs/1707.07256

源码地址:

https://github.com/zlmzju/part_reid

总述

  • part-aligned human representation 解决图片对应位置人体不对准问题
  • 对姿势改变更鲁棒,不需要人体部分的标记,不需要训练人体检测器或者分割器
  • 使用相似度信息,学习人体匹配,未使用LSTM
  • 模型将人体分解为几个易于辨识的部分,计算各部分表征,并将一对图像的相应区域间的相似性汇总成总体得分,亮点是借鉴了attention,在这里未使用LSTM

结构与方法

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值