DRACOYU的博客

Viewpoint-Aware Loss with Angular Regularization for Person Re-Identification[1] 带角度正则化的视角感知损失。不同于视角和不同id之间分离研究的方向，文章提出了带角度正则化的视角感知损失 Viewpoint-Aware Loss with Angular Regularization (VA-reID)，将行人视角投影到统一的特征子空间当中研究的方法，同时在id层面和视角层面有效建模了特征的分布。另外为了有效地拟合视角聚类标

论文：《Squeeze-and-Excitation Networks》论文链接：https://arxiv.org/abs/1709.01507代码地址：https://github.com/hujie-frank/SENet最近在做行人检索时，优化时用到channel attention机制，虽然对最终结果没有提升，这里做一个简单的总结1. 概述  此论文是由Momenta...

什么是行人重识别(ReID)如下图，给定一个行人图或行人视频作为查询query，在大规模底库中找出与其最相近的同一ID的行人图或行人视频。做ReID的话，一般从两方面入手：A、特征工程，设计网络来学习不同场景下都general的visual feature，用probe-gallery的特征相关性来作为ranking的依据，一般直接Softmax分类。B、度量学习，设计损失函数...

什么是行人重识别(ReID)如下图，给定一个行人图或行人视频作为查询query，在大规模底库中找出与其最相近的同一ID的行人图或行人视频。ReID（Person Re-identification）任务描述[2] 为什么需要ReID呢？因为在安防场景下，跟踪一个目标，只靠人脸识别是不够的，在脸部信息丢失时（罪犯有时把脸特意蒙住一大部分，或者离太远了拍不清脸），行人信息就能...

https://docs.scipy.org/doc/scipy-0.19.0/reference/generated/scipy.spatial.distance.cdist.htmlscipy.spatial.distance.cdist(XA, XB, metric='euclidean', p=None, V=None, VI=None, w=None)Computes dista...

语法：scipy.spatial.distance.cdist(XA, XB, metric='euclidean', p=None, V=None, VI=None, w=None)，该函数用于计算两个输入集合的距离，通过metric参数指定计算距离的不同方式得到不同的距离度量值metric的取值如下： braycurtis canberra chebyshev：切比雪夫距离 ci...

0. 背景人脸识别技术目前已发展的较为成熟，在很多场景与产品中都已有落地的应用，但人脸识别技术只能用到人体的人脸信息，而人体的其他重要信息得不到充分的利用，例如：衣着、姿态、行为等。另外在应用时必须要有清晰的人脸正面照片，但在很多场景下无法满足要求，例如低头、背影、模糊身形、帽子遮挡等等。行人重识别（Person Re-ID）技术正好能够弥补人脸识别的这些不足之处，行Person Re-ID能...

前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下，ReID就成为了一个非常重要的替代品技术...

paper下载地址：https://arxiv.org/abs/1709.04329   Introduction Person Re-ID任务是为了从gallery集中找到与query集中同一个人的图像。应用场景主要集中在视频监控、公共安全等领域，因此一个人的外表可能被摄像头的视角，人体姿态，模糊，遮挡等因素所影响，给此项任务带来挑战。大多数Re-ID工作都可以分为两步，...

    概述本文使用CNN进行人体姿态估计，它的主要贡献在于使用顺序化的卷积架构来表达空间信息和纹理信息。顺序化的卷积架构表现在网络分为多个阶段，每一个阶段都有监督训练的部分。前面的阶段使用原始图片作为输入，后面阶段使用之前阶段的特征图作为输入，主要是为了融合空间信息，纹理信息和中心约束。另外，对同一个卷积架构同时使用多个尺度处理输入的特征和响应，既能保证精度，又考虑了各部件之...

center loss来自ECCV2016的一篇论文：A Discriminative Feature Learning Approach for Deep Face Recognition。 论文链接：http://ydwen.github.io/papers/WenECCV16.pdf 代码链接：https://github.com/davidsandberg/facenet理论解析请...

2018 年 9 月 18 日，2018 世界人工智能大会·视觉智能 瞳鉴未来七牛云专场分论坛在上海国际会议中心 5 楼欧洲厅举行。华为诺亚方舟实验室计算视觉首席科学家、美国德克萨斯大学圣安东尼奥分校计算机系教授田奇，在会上为大家带来了题为《行人再识别的挑战和最新进展》的分享。以下内容根据现场演讲内容速记的实录整理。各位嘉宾，各位老师，各位同学，非常荣幸在这里和大家分享我们的工作。本次...

https://blog.youkuaiyun.com/Dlyldxwl/article/details/81148810 Deeplab v1&v2 远古版本的deeplab系列，就像RCNN一样，其实了解了后面的v3和v3+就可以不太管这些了（个人拙见）。但是为了完整性和连贯性，所以读了这两篇paper。Astrous conv参考deeplab v2的插图。其实这个图经常...