读论文:Relation Preserving Triplet Mining for Stabilizing the Triplet Loss in Vehicle Reid

物体的外观由于角度的变换是经常变化的,作者也和我一样考虑到了车辆重识别里面的角度问题

看完全文:知道了两个知识点:

1. UMPA projection 类似于 t-SNE 是一种降维技术 ,并且是 t-SNE 的升级

2. 作者使用了GMS 进行数据关系挖掘 GMS 是一种特征匹配算法

作者的改进就是 对三元组挖掘策略进行改进,在选取三元组样本的构成上进行了改进

作者提出一种特征指导的三元组挖掘策略

作者认为原始的三元组挖掘策略是 ill-conditioned 因为没有考虑到自然的分组

在介绍创新点这一部分,也就是第四章,作者与 hard-negative mining 和 semi-hard negative mining 进行了对比。

作者认为让同一个 ID 的车辆的 front 和 rear 构成一个正样本对是反直觉的 ?????

个人认为不存在问题,因为神经网络的思考方式真的和人一样吗? 同时记忆车的 front 和 rear 个人认为不存在问题。

这是一篇 21年10月份的文章,非常的新,作者说 GMS 是一个 modern feature matcher 但是 GMS 是17年的顶会论文,不过确实是第一次用到重识别进行一个基于特征一致性的挖掘。

使用 GMS 可以对不同的 positive 样本进行局部块的匹配

 

作者的对比实验,与简单的只使用 resnet50 进行了对比 

作者使用 rerank 涨了7个点??在veri数据集上

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