行人识别学习资料整理2018

最新推荐文章于 2024-10-06 11:11:24 发布

AI算法网奇

最新推荐文章于 2024-10-06 11:11:24 发布

阅读量3.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习宝典

本文链接：https://blog.youkuaiyun.com/jacke121/article/details/81431953

深度学习宝典专栏收录该内容

1041 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文整理了多个行人识别的PyTorch实现项目，包括基于Market-1501的数据集，稀疏标记平滑正则化的应用，多粒度网络，人类语义解析等。这些项目提供不同准确率和特性的解决方案，有的包含预训练模型，有的提供训练步骤，涵盖了从基础到进阶的各种方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

torch

准确率高 Python 2.7

https://github.com/qiaoguan/Person-reid-GAN-pytorch

稀疏标记平滑正则化在半监督人身份识别中的应用，准确率比较高，有权重

Sparse Label Smoothing Regularization for semi-supervised Person Re-Identification

https://github.com/jpainam/SLS_ReID

这个测试分步骤，看readme，比较长

Multi-query results for Market-1501 dataset

Dataset	Rank 1	Rank 5	Rank 10	mAP
ResNet baseline	91.27%	96.85%	98.19%	76.94%
DenseNet baseline

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

AI算法网奇

关注关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

24、基于显著加权特征与正则化贝叶斯度量学习的行人重识别技术

elastic6hunter的博客

06-06

本博文探讨了两种先进的行人重识别技术：基于显著加权特征的方法和基于正则化贝叶斯度量学习（RBML）的方法。这两种方法分别在多个知名数据集（如VIPeR、3DPeS和CUHK校园数据集）上进行了实验验证，均展现了优越的性能。显著加权特征方法在不同测试集大小和排名下表现突出，而RBML方法则有效解决了小样本量问题，提高了行人重识别的准确性和鲁棒性。此外，博文还分析了未来的发展方向，如融合多种方法、适应复杂场景以及结合其他技术，并展望了其在安防监控、智能交通和社交娱乐等领域的广泛应用前景。

【CVPR代码复现】BiFormer图像分类实战教程

weixin_62371528的博客

03-26

3543

包括BiFormer介绍 1.论文介绍 2.核心创新点 3.应用效果，环境配置，训练方法和测试的结果，报错调bug

参与评论您还未登录，请先登录后发表或查看评论

mvpose里的CamStyle model

11-26

mvpose里的CamStyle model.。

论文阅读——《Camera Style Adaptation for Person Re-identification》及相关复现

三度就好

01-02

669

CPNet：Context Prior for Scene Segmentation(CVPR 2020)代码复现

DONG_LIN_2019的博客

07-28

710

代码复现（ tf 版本进行中）

CVPR代码复现(ML-GCN论文阅读以及Keras(多标签分类)代码实现)

weixin_39521013的博客

12-05

3177

CVPR代码复习,ML-GCN(Keras实现)

【行为检测】G-TAD复现（CVPR 2020）

聿默的博客

01-27

1119

代码参考： https://github.com/Frostinassiky/gtad 论文参考： https://arxiv.org/pdf/1911.11462.pdf 1.环境 ubuntu16.04 cuda9.0 python3.6 torch==1.1.0 安装 cd gtad_lib python setup.py install python align.py

车牌识别相关论文资料整理（15篇）

最新发布

06-25

本资料包“车牌识别资料整理（论文15篇）”实则包含45篇论文，分为三个部分，每部分各有15篇。这些论文汇聚了车牌识别领域的前沿研究成果与技术走向，极具研究价值。在技术层面，车牌识别涵盖以下关键环节：首先是...

基于深度学习的行人重识别探究.pdf

08-18

深度学习在行人重识别领域的研究是近年来人工智能技术应用中的热点课题之一，主要涉及计算机视觉、模式识别、数据分析等多个学科的交叉融合。行人重识别（Re-Identification, ReID）旨在解决在非重叠视角域多摄像头...

CV学习：利用opencv进行行人识别（实战）

m0_51485946的博客

08-04

744

本文为图像分类的实战记录，主要是利用HOG+SVM进行人分类。

复现MLKP(CVPR 2018)

xiaqi4145

03-12

1953

CVPR18 Paper: Multi-scale Location-aware Kernel Representation for Object Detection 论文地址：https://arxiv.org/abs/1804.00428 论文代码：https://github.com/Hwang64/MLKP 我google了一下，找不到关于这个论文实验部分的复现过程，然后去他的git...

CAM算法手动复现.py

07-18

我们做深度学习中，到采用的训练方案是全监督的方式，这种全监督的方式，在基本的分类任务当中数据打标签的难度还好，但是在一些更多复杂的深度学习任务中，label的获取就有些困难了。比如在图像分割领域当中，像素级的标签获取起来费事费力（labelme用起来还挺累的），有没有这么一种算法可以通过分类的标签衍生出像素级的标签，答案是有的。

CamStyle：Camera Style Adaptation for Person Re-identification阅读笔记

qq_35226955的博客

08-15

1806

Camera Style Adaptation for Person Re-identifification 作者：种准，郑良，郑哲东，杨易等 2018CVPR 代码：https://github.com/zhunzhong07/CamStyle 和ZL老师团队2018年另一篇CVPR很相似：Image-Image Domain Adaptation with Preserved Self-S...

【代码复现】jointlearningretrievaldeformation,CVPR21_Joint Learning of 3D Shape Retrieval and Deformation

passer__jw767的博客

07-16

795

Run CVPR2021_Joint Learning of 3D Shape Retrieval and Deformation 因为evaluation的部分，我run的时候发现出现了dimension不匹配的问题，就想着自己重新训练一下模型，看一下是什么情况，以下是训练过程中的一些步骤。...

CVPR--I2SDF--Windows复现

weixin_43726202的博客

06-16

518

CVPR，i2SDF在windows上复现，踩坑笔记

RealBasicVSR（CVPR2022）复现过程

weixin_42130300的博客

05-12

3657

RealBasicVSR（CVPR2022）复现过程，引流：BasicVSR，BasicVSR++，RealBasicVSR，EDVR，MMagic

Lite-Mono-CVPR-2023 代码复现心得

weixin_45992523的博客

10-06

2404

复现Liti-Mono时候的一些踩坑过程

复现CVPR2024-Unifying Top-down and Bottom-up Scanpath Prediction Using Transformers记录

finnsonx的博客

08-17

1644

Unifying Top-down and Bottom-up Scanpath Prediction Using Transformers文章代码复现，遇到的问题及解决过程

车内视角行人识别数据集：YOLO/VOC格式，6470图片量

综上所述，本车内视角行人识别数据集是一个专业的、经过精心整理的资源，适用于深度学习领域的研究者和开发者进行目标检测模型的训练和优化。通过使用本数据集，研究者可以快速地推进相关技术的发展，并在实际应用中...