Joselynzhao

方法概述学习通过基于记忆的多源元学习来生成未知领域的行人重识别。1， 文章提出了一种多源域元学习框架，可以模仿域生成（DG）的训练-测试过程。 该方法增强了模型学习域无关表示并增强了泛化能力。2， 文章在框架中配备了memory-based 模块，以非参数方式现实了身份损失，可以防止由传统参数方式导致的不稳定的优化。3， 提出了MetaBN来生成各种元测试特征，这些特征可以直接注入到我们的元学习框架中，并得到进一步的改进。文章目录方法概述内容概要工作概述成果概述方法详解方法框架算法描述具体实现.

方法概述基于世代聚类共识的伪标签改进无监督目标重识别。1，文章引入了使用时序嵌入来正则化无监督目标重识别中的噪音伪标签。2， 文章提出了一种伪标签改进策略: 在训练的迭代过程中使用聚类共识改进伪标签。文章目录方法概述内容概要工作概述成果概述方法详解方法框架具体实现实验结果总体评价引用格式内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集Refining Pseudo Labels With Clustering Consensus Ove.

方法概述文章目录方法概述内容概要工作概述成果概述方法详解方法框架算法描述具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集row 1 col 1row 1 col 2在线链接：源码链接：工作概述成果概述方法详解方法框架算法描述具体实现实验结果总体评价引用格式参考文献...

方法概述文章目录方法概述内容概要工作概述成果概述方法详解方法框架算法描述具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集row 1 col 1row 1 col 2在线链接：源码链接：工作概述成果概述方法详解方法框架算法描述具体实现实验结果总体评价引用格式参考文献...

方法概述1，文章将多源概念引入到了无监督域适应行人重识别当中。2，文章提出了一种修订域特定批归一化模块(RDSBN), 可以同时减少域特定信息和增加人物特征的可区别性。3，我们基于多域信息融合（MDIF）开发了图神经网络（GCN），以此来拉近特征空间中的多域。文章目录方法概述内容概要工作概述成果概述方法详解方法框架具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集Unsupervised Multi.

方法概述1，文章提出了一种终身学习的person re-ID方法，该方法可以持续不断地跨多域学习。2， 文章提出了用于上述终身学习方法的AKA框架，该框架包含一个可学习的知识图用于更新之前的知识， 同时，该框架转移知识来提高看不见领域上的泛化性。3， 文章为LReID提供了一个基线和评估策略。文章目录方法概述内容概要工作概述成果概述方法详解方法框架具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集L.

方法概述1，文章构建了一个大规划的无标注行人重识别数据集LUPerson。2，文章仔细研究无监督预训练模型的关键因素。文章目录方法概述内容概要工作概述成果概述方法详解方法框架具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集Unsupervised Pre-training for Person Re-identification-CVPR2021-LUPerson、market501、du.

方法概述1，提出了一种用于无监督行人重识别的联合生成对比学习框架，生成和对比模块互相提高对方的性能。2， 在生成模块中，我们引入了3D网格生成器。3， 在对比模块，我们提出了一种视角无关的损失，来减少生成样本和原始样本之间的类内变化。文章目录方法概述内容概要工作概述成果概述方法详解方法框架具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集Joint Generative and Contrastiv.

方法概述1，提出了带有混合内存的基于关系的注意力网络，该网络可以充分利用全局信息关注身份特征，用于基于关系的注意网络的模型训练。2，提出可以训练one-shot 和无标注数据的混合内存的统一框架，这对性能有显著的贡献。文章目录方法概述内容概要工作概述成果概述方法详解方法框架算法描述具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集Relation-Based Deep Attention Networ.

引言提出了local-global 协作学习方法，用来进行标签估计在损失中引入了变量信息瓶颈作为正则项。使得特征提取器能过滤掉无关因素采用了和eug一样的迭代模式。文章目录引言内容概要工作概述成果概述方法详解方法框架具体实现实验结果![在这里插入图片描述](https://img-blog.csdnimg.cn/dc8aa10f9c094bf587846bf98ce340f7.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJh.

文章目录内容概要工作概述成果概述方法详解方法特点方法框架算法描述具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集Progressive sample mining and representation learning for one-shot person re-identificationPSMAPattern Recognition2021Y. Wu, Y. Lin, X. Dong, Y..

相关链接：https://zhuanlan.zhihu.com/p/359617800code:https://github.com/daodaofr/AlignPS文章目录Abstract01 Introduction02 Related workPedestrian DetectionPerson Re-identificationPerson Search03 Feature-Aligned Person Search Networks3.1 Framework Overview3.2 A.

导言这项工作设计了一项训练策略，允许从描述目标对象的一组视图产生高级知识。我们提出了Views Knowledge Distillation (VKD)，将这种visual variety （视觉多样性）固定为teacher-student框架中的监督信息号，其中老师教育观察较少视图的学生。结果，学生不仅在表现在超过了老师，还在image-to-video任务中成为了SOTA。paper link :https://link.springer.com/chapter/10.1007%2F978-3-03

文章目录主要挑战主要的贡献和创新点提出的方法总体框架与算法Vanilla pseudo label sampling (PLS)PLS with adversarial learningTraining losses实验与结果结论导言文章提出了一种新的三元组损失 HSoften-Triplet-Loss，在处理one-shot Re-ID任务中的噪声伪标签样本方面非常强大。文章还提出了一种伪标签采样过程，确保了在保持高可靠性的同时为训练图像形成正对和负对的可行性。与此同时，文章采用对抗学习网络，为训练

文章目录解决了什么问题主要贡献和创新点基本框架提出的方法01 variance confidence方差置信度02 Variance Subsampling Algorithm 方差二次采样算法03 Variance decay strategy 方差衰减策略实验01 性能02 Ablation - sampling criterions导言针对现有工作中存在的错误伪标签问题，文章通过优化样本间的相似性度量和伪标签置信度评估策略来改善这个问题，从而提供模型性能。具体地，文章提出了方差置信度的概念，并

Learning Generalisable Omni-Scale Representations for Person Re-IdentificationAbstractIntroductionOSNet网络结构OMNI-SCALE NETWORK FOR PERSON RE-IDDepthwise Separable ConvolutionsOmni-Scale Residual Block实...

基于深度学习的行人重识别研究综述基于表征学习的ReID方法基于度量学习的ReID方法对比损失（Constrastive loss）三元组损失(Triplet loss)四元组损失(Quadruplet loss)难样本采样三元组损失(Triplet loss with batch hard mining, TriHard loss)Reference [原文]基于深度学习的行人重识别研究综述...

Dynamic Label Graph Matching for Unsupervised Video Re-IdentificationAbstractIntroductionAbstractThis pa-per focuses on cross-camera label estimation, which can be subsequently used in feature learn...

Stepwise Metric Promotion for Unsupervised Video Person Re-identificationAbstractIntroductionframeworkOur Method.ReferencesAbstracttwo assumptions two assumptionsdifferent video track-lets typical...

Image-Image Domain Adaptation with Preserved Self-Similarity andDomain-Dissimilarity for Person Re-identificationmain methordsmain methordsIn our at-tempt, we present a “learning via translation” fr...

Auto-ReID: Searching for a Part-aware ConvNet for Person Re-IdentificationAbstract三个主要的问题为了解决这些问题Auto-ReID实验结果Abstract因为re-ID 和分类任务的不同，所以会基于ResNet or VGG做修改We propose to search for a CNN architec...

论文连接Improving person re-identification by attribute and identity learningAbstract研究现状属性在文本中attribute-person recognition (APR) network (属性-人物识别网络)研究者做了什么实验结果Introduction属性在本文中本文的动机属性标签的有效性是三倍的相关研究和以前工作...

# 导言> 这篇文章是Yu Wu在继[Exploit the Unknown Gradually: One-Shot Video-Based Person Re-Identification by Stepwise Learning(EUG)](https://blog.youkuaiyun.com/NGUever15/article/details/88930864)之后发表的一篇文章，文中工作基于EUG进行，对其进行进行了优化。建议阅读本文之前先阅读EUG对工作内容有初步了解，本博文也针对Progressive

Exploit the Unknown Gradually: One-Shot Video-Based Person Re-Identification by Stepwise Learning文章目录Exploit the Unknown Gradually: One-Shot Video-Based Person Re-Identification by Stepwise LearningA...