行人检索 Partial Person Re-identification ICCV2015

最新推荐文章于 2024-10-08 15:04:09 发布
原创 最新推荐文章于 2024-10-08 15:04:09 发布 · 3.9k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#行人检索

本文提出了一种针对局部行人检索问题的解决方案，包括局部到局部匹配、全局到局部匹配和分类整合，通过AMC和SWM算法实现了行人检索的精准定位。

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

行人检索问题是一个很难得问题，而局部行人检索问题则更加的困难。目前大部分文献都关注整体行人检索，没有考虑遮挡问题。局部行人检索问题如下图所示：
这里写图片描述

下图所示为我们实际中的检索图像，以及我们手工框出来的输入图像，及对应的库中的图像。
这里写图片描述

针对局部行人检索问题，我们提出以下框架来解决：
这里写图片描述
首先是局部对局部进行匹配，然后再进行整体对局部进行匹配。

3.1. Local-to-Local Matching
这里我们使用了一个 an ambiguity-sensitive matching classifier (AMC) 来进行局部对局部匹配。

这里写图片描述

算法流程图如下：
这里写图片描述

3.2. Global-to-Local Matching
这里我们使用滑动窗口来进行整体与局部的匹配。
a sliding window matching (SWM)

3.3. Classification
我们将 Local-to-Local Matching 和 Global-to-Local Matching 两个结果结合起来，得到 AMC-SWM

这里写图片描述

最后的结果如下所示：

这里写图片描述

这里写图片描述

行人搜索
weixin_41028664的博客
03-10 1484
行人搜索视频 行人搜索，是一种在不同摄像头下获取的场景图像或视频帧中查找特定行人的算法。简而言之，给出一张行人图片，通过这项技术，我们就可以找到该行人在其他摄像机下留下的影像。在完成毕设的过程中，为了做一个行人搜索的可视化效果，我通过Pytorch深度学习框架框架利用现有的一些代码搭建了一个行人搜索demo，下面是一些跨摄像头下对行人的搜索结果。 ...
Deep Spatial Feature Reconstruction for Partial Person Re-identification Alignment-Free Approach(nt)
凹酱的DEEP LEARNING
03-13 1062
Deep Spatial Feature Reconstruction for Partial Person Re-identification Alignment-Free Approach 部分人重新识别（re-id） 解决遮挡情况下的匹配 提出的方法利用完全卷积网络（FCN）来生成特定尺寸的空间特征图，使得像素级特征是一致的。为了匹配一对不同尺寸的人物图像，因此进一步开发了称为深空间特...
1504.ICCVPartial Person Re-Identification 论文笔记
xuluohongshang的博客
12-18 2034
1504.ICCVPartial Person Re-Identification 论文笔记 作者针对之前一些模型都是假设给以完整行人检测图像probe情况下，进行行人重识别任务，独辟蹊径，主要解决reid最难处理的遮挡问题，研究给以不完整的行人图像块来进行ReID任务建模。 主要贡献是： 将应用在partial人脸识别中MSTR（multi-task sparse represent
题目：Partial Person Re-identification with Part-Part Correspondence Learning
qq_37246721的博客
10-23 571
题目：Partial Person Re-identification with Part-Part Correspondence Learning 作者：Tianyu He 一、研究背景： 许多方法在使用时默认输入图片都是完全满足需求的，然而在实际应用时，输入图片往往没有那么完美。如果不对这些方法做出调整，残缺的输入图片会让实验效果大幅降低。因此，这篇文章致力于用自监督的PPCL网络学习局部与局部之间的关系，以更好地处理处理残缺图片。该网络不需要局部级的监督，只需要两个自监督损失约束。 二、研究目
Deep Spatial Feature Reconstruction for Partial Person Re-identification: Alignment-free Approach笔记
qq_36167072的博客
04-26 689
Paper：https://arxiv.org/abs/1801.00881 Code：https://github.com/lingxiao-he/Partial-Person-ReID 前言：这是一篇关于partial行人重识别的方向的论文，收录于2018年的CVPR。全文是基于query是partial图像，而gallery是完整的行人图像。 摘要：Partial行人重识别由于行人图像是局部...
论文Pose-Guided Feature Alignment for Occluded Person Re-Identification
qq_43473554的博客
07-01 910
论文Pose-Guided Feature Alignment for Occluded Person Re-Identification 2019ICCV 主要思想利用关节点信息来解决图像的遮挡问题，利用现成的人体姿态估计网络可以从图像中提取到行人的各个关节点，其中包括了位置信息和置信度，利用置信度（也即检测出的点属于真实关节点的概率）设定一个阈值就可以判断出这个位置是否被遮挡。 整体网络架构...
CVPR2019--VRSTC:Occlusion-Free Video Person Re-Identification
热门推荐
cherryyiyi的博客
10-14 9万+
文章链接：添加链接描述 摘要 针对视频行人重识别的部分遮挡问题，提出了一个时空补全网络（Spatio-Temporal Completion network, STCnet）用来精确的恢复遮挡部位的信息。相较于之前的大部分工作选择丢弃部分遮挡的图片 ，基于深度学习的STCNet方法可以恢复遮挡部分，利用spatial structure预测哪部分被遮挡，temporal patterns提供生成遮...
STA: Spatial-Temporal Attention for Large-Scale Video-based Person Re-Identification
博客
05-14 1496
Abstract In this work, we propose a novel Spatial-Temporal Attention (STA) approach to tackle the large-scale person re-identification task in videos. Different from the most existing methods, which s...
Deep Spatial Feature Reconstruction for Partial Person Re-identification: Freestyle Approach 阅读笔记
VacantField的博客
04-03 2155
这是CVPR 2018上的论文，论文针对局部行人再识别提出一种更高效率高准确率的方法，中文直译深度空域特征重建，Deep Spatial Feature Reconstruction。论文链接：https://arxiv.org/abs/1801.00881 局部行人再识别是一个很有现实意义的挑战。所谓局部是指，在无约束环境中，行人容易被遮挡，有姿势和视角变化，所以有时只有局部的行人图像可用于识别...
行人检索 cvpr15
06-03
行人检索 cvpr2015 李子青代码，行人检索
MIT行人检测数据集（史上最全）
02-06
麻省理工学院（MIT）行人数据集，最早的行人数据集之一，一共924张图片，其原始图片格式为PPM，此文件为转换后的JPG格式图片。目前MIT数据集已经不支持下载，你可以在这得到，该数据集包含png和jpg两种格式，完全满足你的要求
行人检索“An Improved Deep Learning Architecture for Person Re-Identification”
cv_family_z的博客
11-13 6325
做行人检索的文章，输入是一对图像，网络输出这对图像的相似度值，新引入的网络层包括跨输入邻域差值层，根据图像对的卷积特征图计算局部关联，之后使用加和特征对输出特征图的邻域进行加和，最后计算远距离像素点的关联性。检索包括两部分，特征提取和特征相似度衡量。 传统的特征提取方法：颜色直方图，LBP，Gabor，local patch。 相似度度量：M氏距离，LFDA，MFA。网络架构：two layer
Learning Visibility-aware Part-level Features for Partial Person Re-identification 论文理解
SWEDEN_1003的博客
06-03 565
论文题目：Perceive Where to Focus: Learning Visibility-aware Part-level Features for Partial Person Re-identification 今天在实验室讲解一篇论文，是由PCB作者发表的，其基本思想是解决行人中的部分行人识别问题。是一种部件对齐的形式，和以往所看论文不同，该部件对齐的形式只对共享区域计算相似度，...
行人检索 - Embedding Deep Metric for Person Re-identification
cv_family_z的博客
10-21 2500
ECCV 2016code: http://www.cbsr.ia.ac.cn/users/hailinshi/Embedding Deep Metric for Person Re-identification: A Study Against Large Variations针对行人检索问题，这里主要做了两个方向的工作：1）针对大家使用的hard negative mining 策略，我们提出
行人检索 Learning a Discriminative Null Space for Person Re-identification
cv_family_z的博客
08-23 2869
CVPR 2016 code: http://www.eecs.qmul.ac.uk/~lz/当前行人检索问题主要关注于 learning the optimal distance metrics，减少同类距离，扩大异类距离。一般来说一个行人的外表用几千维向量来表示其特征，同一个人一般只有几百个样本（主要是以为收集样本比较困难），所以存在 the classic small sample si
一，survey:person re-identification：past，present and future
baidu_32211041的博客
11-30 2003
这是一篇关于peson re-identification（PRID）的综述文章，文章链接https://arxiv.org/abs/1610.02984。  文章很长， 内容涉及到的材料也很多，从PRID的前世讲到今生和未来，大体上把这个问题分为image-based和video-based两类，重点讲述了两类问题里面特征的提取和距离指标的计算，难能可贵的是survey到了deep learn
跨镜追踪（行人重识别Person Re-identification）读书笔记（四）
muyun0211的博客
01-27 1935
《A Coarse-to-fine Pyramidal Model for Person Re-identification via Multi-Loss Dynamic Training》 论文地址：https://arxiv.org/pdf/1810.12193.pdf 腾讯的一篇文章，提出一种多尺寸金字塔模型。如下所示，输入图片经过backbone后得到C × H × W的feature...
行人重识别——基于文本描述的行人检索与查找查询对象
知来者逆的博客
10-08 2446
人的重新识别，即搜索人的图像，在许多方面都有需求，如从安全摄像机中寻找嫌疑人或丢失的儿童。其中，基于文本的人的重新识别，即不搜索显示与输入图像相同的人的图像，而是从文本中搜索显示与之匹配的人的图像，已经引起了很多人的注意。这个领域相当热门，最新的是4月5日发表的一篇论文（)），更新了SOTA。(截至4月13日)。在基于文本的人的再识别任务中，主要的方法是将图像和文本模式都映射到同一个潜在空间中。
Partial-Final-State。PFF
最新发布
03-23
<think>好的，我现在需要处理用户关于Partial-Final-State和PFF的问题。首先，用户提到这两个概念可能在编程或系统设计中用到。我需要先理解这两个术语的具体含义和背景。 首先，Partial-Final-State（部分最终状态）。这个术语看起来像是系统设计中的某个概念，可能与状态管理或事务处理有关。可能涉及分布式系统中部分节点达到最终一致性，或者是状态机中的某个中间状态。需要查证相关资料，看看是否有相关的系统设计模式或论文提到过这个概念。 然后是PFF，可能是一个缩写。常见的缩写如PFF可能代表不同的技术术语，比如Page Frame File、Priority-based Flow Control等，但需要结合上下文。用户提到在编程或系统设计中，所以可能需要考虑与状态管理相关的术语。例如，在数据库中的预写日志（Write-Ahead Logging, WAL）或检查点机制中，可能有部分最终状态的处理。 接下来，我需要检查用户提供的引用内容。引用[1]提到多道程序设计和分时系统，这可能与资源管理或进程调度有关。但Partial-Final-State和PFF是否与此相关呢？可能PFF在这里指某种调度算法或资源分配策略？例如，Partial Finalization 或者某种文件系统的机制。 考虑到用户的问题可能涉及分布式系统或状态管理，我需要回忆相关概念。例如，在分布式事务中，两阶段提交（2PC）中的部分参与者可能先提交，而其他参与者可能失败，导致部分最终状态。或者，在事件溯源（Event Sourcing）中，部分状态的持久化可能涉及Partial-Final-State。 另外，PFF可能指Page Fault Frequency，一种内存管理策略，用于控制页面错误的频率，从而调整内存分配。例如，操作系统根据页面错误率来调整进程的物理页面数量，这属于系统设计中的资源管理部分。这种情况下，Partial-Final-State可能与内存页面的部分提交状态有关，例如在页面置换时的中间状态。 或者，在函数式编程中，PFF可能指某种模式或框架，但暂时没有想到相关术语。需要进一步验证。 总结可能的解释方向： 1. 分布式系统中的部分提交状态和页面错误频率（Page Fault Frequency）。 2. 事务处理中的部分最终状态和某种调度算法。 3. 操作系统内存管理中的部分状态和PFF机制。 需要确认这些可能性。例如，查看是否有文献将Partial-Final-State与页面错误频率结合讨论。或者，在系统设计中，部分最终状态可能用于描述缓存一致性问题，其中部分节点达到最终状态，而其他节点仍在同步中。 此外，PFF在系统设计中可能指Proportional Fair Frequency，一种调度算法，但不太常见。或者，Partial Function Finalization，但同样不确定。 可能需要指出这些可能的解释，并说明在缺乏明确文献支持的情况下，这些术语可能属于特定领域或内部用法，建议用户提供更多上下文。同时，根据引用[1]中的多任务处理，可能关联到进程的状态管理，如部分进程达到终止状态，而其他仍在运行，此时PFF可能与进程调度策略有关。 最后，生成相关问题，帮助用户进一步探索，例如询问具体应用场景或相关技术领域，以便更准确地定位术语的定义。</think>在系统设计和编程中，“Partial-Final-State”（部分最终状态）和“PFF”的具体定义需结合上下文，但可基于常见技术场景推测其潜在含义： ### 1. Partial-Final-State（部分最终状态） - **分布式系统与事务处理** 在分布式事务（如两阶段提交）中，可能存在部分节点已提交（最终状态），而其他节点未提交的情况。这种“部分最终状态”可能引发一致性问题，需通过回滚或补偿机制处理[^1]。 - **状态机与工作流** 长时运行的工作流（如Saga模式）可能允许部分子任务完成并持久化（部分最终状态），同时其他子任务仍在执行或需回滚。 - **缓存与数据同步** 缓存系统中，部分数据可能已同步到最新状态（最终一致性），而其他数据仍为旧版本，形成“部分最终状态”。 ### 2. PFF 的潜在含义 - **Page Fault Frequency（页面错误频率）** 操作系统通过监控PFF动态调整进程的物理内存分配，以平衡性能与资源利用率。例如，高PFF时增加内存页，反之减少。 - **Proportional Fair Frequency（比例公平调度）** 在无线通信或任务调度中，PFF可能指一种基于频率的公平资源分配算法。 - **Partial Function Finalization（部分函数终结）** 函数式编程中，可能指部分计算的固化（如记忆化缓存），但此用法非标准术语。 --- ### 示例：PFF在内存管理中的应用 ```python # 模拟根据页面错误频率调整内存分配 def adjust_memory_allocation(process, pff_threshold): if process.page_fault_rate > pff_threshold: allocate_more_pages(process) else: release_excess_pages(process) ``` ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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