ReID
关注
分享
扫一扫
文章平均质量分 86
用GAN得有GPU
发帖主要是为了整理自己的心得，仅供参考，有可能内容有误，欢迎指正错误，互相学习！
展开
-
ReID行人重识别中的Query sets 和Gallery sets以及单模态ReID和跨模态ReID数据集
无论是单模态还是跨模态ReID同样都作为匹配任务在测试时会用到两个数据集，Query sets 和Gallery sets，主要有以下特征：ReID数据集：1.数据集分为训练集、验证集、Query sets、Gallery sets2.数据集通常是通过人工标注或者检测算法得到的行人图片，目前与检测独立，注重识别3.在训练集上进行模型的训练，得到模型后对Query与Gallery中的图片提取特征计算相似度，对于每个Query在Gallery中找出前N个与其相似的图片4.训练、测试中人物身份不重复原创 2020-06-04 16:01:17 · 8356 阅读 · 0 评论
-
跨模态ReID论文总结3：GAN网络论文（长期更新）
通过GAN网络的思路也是跨模态ReID 的主流思路之一，具体分为通过对抗网路去区分不同模态的特征和通过对抗网络生成图像两种，前者仅有一篇论文，是基于feature-level的对抗，效果一般，后者既有feature-level也有pixel-level的对抗，生成具体的可视化图像，借鉴风格迁移的cycle GAN或者star GAN的方法，尽可能的消除模态差异，使得任务尽可能转变为单模态任务去处理...原创 2020-03-06 20:02:37 · 3010 阅读 · 2 评论 -
跨模态ReID方向：概念，具体文献，数据集，总结等（文章最后附全部论文下载链接）
ReID:现在计算机视觉研究的热门方向，主要解决跨摄像头跨场景下行人的识别与检索。该技术能够根据行人的穿着、体态、发型等信息认知行人，与人脸识别结合能够适用于更多新的应用场景，将人工智能的认知水平提高到一个新阶段。Cross-module ReID：即跨模态的ReID是通过在RGB图像及红外图像（目前仅有RGB-T任务）中识别与检索出人物的身份（ID）信息。其任务是主要分两个子任务，一个是减...原创 2020-03-06 14:05:29 · 4425 阅读 · 2 评论 -
跨模态ReID论文总结2：CNN提取特征论文（长期更新）
本部分占所有跨模态ReID的绝大部分论文的思路，基本思路是通过two-stream网络分别提取两个模态图像的特征，CNN前几层提取specifc feature ，后几层通过权重共享提取common feature ，在通过度量学习或者进一步的特征提取分别对specific feature和common feature进行进一步处理，最后通过ranking loss缩小同类别的距离，扩大不同类别的...原创 2020-03-06 20:00:04 · 4852 阅读 · 0 评论 -
2020 CVPR 之ReID：AD-Cluster: Augmented Discriminative Clustering for Domain Adaptive Person Re-identi
AD-Cluster: Augmented Discriminative Clustering for Domain Adaptive Person Re-identification简述：当目标域的身份未知时，现有的方法试图通过转移图像样式或跨域对齐特征分布来解决，而目标域中丰富的未标记样本不能充分地实现。本文提出了一种新的增强描述本地聚类(AD-Cluster)技术，该技术可以估计和增强目标域内的人聚类，并通过附加聚类增强re-ID模型的识别能力。AD-Cluster交替训练一个图像生成器和一个原创 2020-10-15 16:21:27 · 542 阅读 · 0 评论 -
2020 CVPR 之ReID：CamCOCAS: A Large-Scale Clothes Changing Person Dataset for Re-identification
AD-Cluster: Augmented Discriminative Clustering for Domain Adaptive Person Re-identification简述：现有的ReID任务都是在基于同一个人都是相同的衣服进行了，本文为了解决这一问题，提出了换衣人集(COCAS)，同时，提出了一种双分支网络——生物特征-服装网络(BC-Net)，该网络能够有效地将生物特征和服装特征结合起来，在我们的设置下进行re-id识别。模型：COCAS数据集：生物特征-服装网络(BC-N原创 2020-10-15 10:15:36 · 783 阅读 · 2 评论 -
2020 TIFS之ReID:Visible-Infrared Person Re-Identification via Homogeneous Augmented Tri-Modal Learnin
Visible-Infrared Person Re-Identification via Homogeneous Augmented Tri-Modal Learning简述：现有的方法通常只学习了跨模态特征，而忽略了图像层次的差异。生成图像的思路目前有些方法采用GAN生成交叉模态图像，但会破坏局部结构并引入噪声。本文通过生成的RGB图像的灰度图作为辅助，以减少RGB与IR图像的large gap。模型：本文框架方面通过3个3通道（RGB，Gray，IR）的分别输入到共享权重的Res50学习共原创 2020-10-06 22:37:47 · 1404 阅读 · 7 评论 -
2020ECCV之ReID：Dynamic Dual-Attentive Aggregation Learning for Visible-Infrared Person Re-Identificat
Dynamic Dual-Attentive Aggregation Learning for Visible-Infrared Person Re-Identification简述：现有的VI-ReID方法倾向于学习全局表示，全局表示的可辨识性有限，且对有噪信息的鲁棒性较差。针对(a)中全局信息问题和噪音问题：通过以下两个思路去解决：(b)模内加权部分聚合(IWPA)，它通过挖掘每个模内的上下文部分信息来学习有区别的部分聚合特征。©交叉模态注意力结构(CGSA)，通过融合邻域信息增强了交叉模态图结构注原创 2020-10-06 15:52:13 · 1375 阅读 · 0 评论 -
2020 Arxiv之跨模态Reid：RGB-IR Cross-modality Person ReID based on Teacher-Student GAN Model
RGB-IR Cross-modality Person ReID based on Teacher-Student GAN Model简述：Reid的关键挑战是不同模式下特征的跨模态差异。为了解决这一挑战，我们提出了一种基于不同域的师生模型(TS-GAN)。模型：1.首先，GAN部分，仅采用了RGB生成IR的分支，但IR生成RGB用于辅助训练后期没有用到：（使用L1范数，因为它能比L2范数在图像边缘获得更好的生成性能）2.Backbone（红色部分）将Res50分为前3层（图中FEs）原创 2020-09-20 16:58:24 · 1342 阅读 · 0 评论 -
2020 TIP之跨模态ReID：Cross-Spectrum Dual-Subspace Pairing for RGB-infrared Cross-Modality Person Re-id
Cross-Spectrum Dual-Subspace Pairing for RGB-infrared Cross-Modality Person Re-Identification简述：本文的主要目的是为了减少不同光谱的摄像机产生的模态差异问题。本文提出了一种新的多光谱图像生成方法，利用生成的样本帮助网络找到鉴别信息，从而实现对同一个人的跨模态重新识别。下图可以看到，SYSU的红外图和RegDB的红外图是明显不同的。解决上述问题的目的是为了解决跨模态ReID的另一个挑战是人内(同一人图像)的差原创 2020-09-10 12:07:45 · 667 阅读 · 0 评论 -
2020 Arxiv之跨模态ReID：Bi-directional Exponential Angular Triplet Loss for RGB-Infrared Person Re-Identi
Bi-directional Exponential Angular Triplet Loss for RGB-Infrared Person Re-Identification简述：现有的研究大多使用基于欧几里得度量的约束来解决不同模式特征之间的差异。由于欧氏距离不能有效地测量嵌入向量之间的夹角，使得这些方法无法学习角度判别特征嵌入。本文提出通过确定了嵌入向量之间的夹角来进行有效的分类问题。同时，本文提出了提出了一种新的提出了一种新的ranking loss，即Bi-directional Expon原创 2020-09-09 13:45:28 · 815 阅读 · 0 评论 -
2020 ArXiv之跨模态ReID：Parameters Sharing Exploration and Hetero-Center based Triplet Loss for Visible-T
Parameters Sharing Exploration and Hetero-Center based Triplet Loss for Visible-Thermal Person Re-Identification简述：采用双流网络来解决多模态识别中最具挑战性的跨模态差异问题。在本文中，我们探讨了两流网络应该共享多少个参数，这在现有文献中仍未得到很好的研究。同时，提出了提出了hetero-center based triplet loss，通过将anchor与其他所有样本的比较改为anchor原创 2020-09-08 14:00:49 · 1302 阅读 · 0 评论 -
2020Arxiv之ReID：Deep Learning for Person Re-identification: A Survey and Outlook
Deep Learning for Person Re-identification: A Survey and Outlook本文是夜盲团队在今年发表的综述类文章：论文地址：https://arxiv.org/abs/2001.04193v1AGW开源地址：https://github.com/mangye16/ReID-Survey当前的问题及概述：作者调查了245篇近两三年的行人重识别（Person Re-identification）论文，分类为封闭世界ReID与开放世界ReID，综述原创 2020-07-10 21:27:35 · 3068 阅读 · 0 评论 -
2017 ECCV之ReID：Beyond Part Models Person Retrieval with Refined Part Pooling (PCB）
Beyond Part Models Person Retrieval with Refined Part Pooling(and A Strong Convolutional Baseline)当前的问题及概述：本文使用part特征对行人图像描述提供了细粒度的信息，对所有图像的人物进行分part提取，本文有两点贡献：1，一个名为基于部分卷积基线(PCB)的网络。2，(ii)改进的部分池化(RPP)方法。下图为不同文献的分part方法，本文提出的PCB为f，采用均匀分part的方法，将图像分成均匀的不同原创 2020-06-09 14:45:48 · 511 阅读 · 0 评论 -
2019 CVPR之ReID：Re-ranking via Metric Fusion for Object Retrieval and Person Re-identification
Re-ranking via Metric Fusion for Object Retrieval and Person Re-identification当前的问题及概述：视觉因素的变化，如视点、姿势、白光和背景，通常被认为是re-ID任务的重要挑战。尽管这些因素是有影响的，但关于它们如何影响认知系统的定量研究仍然缺乏。本文通过探究viewpoint对系统的影响进行探究，有两大突出贡献，首先，引入了一个大型合成数据引擎PersonX。由手工制作的3D人物模型组成，该引擎的突出特点是“可控”。也就是说原创 2020-06-04 20:20:55 · 1218 阅读 · 1 评论 -
2019CVPR之ReID：Interaction-and-Aggregation Network for Person Re-identification
Interaction-and-Aggregation Network for Person Re-identification当前的问题及概述：由于CNNs具有固定的几何结构，其在人的姿态和尺度的巨大变化建模中具有固有的局限性：a展示了同一ID的不同姿态，b展示了小样本或不完全等问题。由于目前CNN提取特征有以下两种方法，一是定位身体部分，并将其组合起来，但即使是最先进的部分检测解决方案也不是完美的。另一种方法是多尺度特征融合，即在网络的多层上计算特征图。本文提出了一种通过交互-聚合(IA)的方原创 2020-06-02 11:51:46 · 644 阅读 · 3 评论 -
2019 CVPR之ReID：Towards Rich Feature Discovery with Class Activation Maps Augmentation for Person Re-
Towards Rich Feature Discovery with Class Activation Maps Augmentation for Person Re-Identification当前的问题及概述：在Re-ID任务中，人物间较小的差异需要模型来捕获足够细粒度的特性。基于此，1，本文通过CAM扩展了baseline重建模型的激活范围，以探索丰富的视觉线索。2，提出了一种Overlapped Activation Penalty方法，使当前分支对先前分支激活较少的图像区域给予更多的关注，原创 2020-05-20 15:36:27 · 632 阅读 · 0 评论 -
2019 CVPR：Patch-based Discriminative Feature Learning for Unsupervised Person Re-identification
Patch-based Discriminative Feature Learning for Unsupervised Person Re-identification当前的问题及概述：虽然针对差异性局部特征对ReID任务是有效的，但它们仅限于成对的被标记数据大间隙上进行训练，但在其他小间隙的不相似部分获取起来成本较大。如下图：本文提出了一个基于patch的无监督学习框架来克服这个问题，以便从patch而不是整个图像中学习识别特征，大大减少了计算复杂度和成本。模型及loss：本文提出的Pat原创 2020-05-14 13:28:23 · 1144 阅读 · 0 评论 -
2018 CVPR：Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training
Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training当前的问题及概述：大多数现有的方法高度依赖bounding box,然而，由于实际场景的限制，目前的检测模型往往产生不准确的bounding box，进而避免了算法的性能。本文提出了一种新的由粗到细的金字塔模型，该模型不仅融合了局部信息和全局信息，而且还强化了局部信息和全局信息之间的线索，避免了bounding box的不准确性带来的影响。可以从下图看到，由于boundi原创 2020-05-12 17:06:13 · 859 阅读 · 0 评论 -
2019 CVPR（oral）之ReID：Joint Discriminative and Generative Learning for Person Re-identification
Joint Discriminative and Generative Learning for Person Re-identification当前的问题及概述：目前，ReID任务通过GAN网络训练越来越热门，然而，现有方法中的G途径与D再识别学习阶段相对独立。因此，reid模型通常直接对生成的数据进行训练。本文提出了一个联合学习框架，将ReID任务和端到端的图像生成结合起来。提出的模型包括一个生成模块，它将每个人分别编码为一个外观码和一个结构码，以及一个判别模块，它与生成模块共享外观编码器。生成模原创 2020-05-09 12:43:09 · 1101 阅读 · 0 评论 -
2019 CVPR之ReID：Invariance Matters： Exemplar Memory for Domain Adaptive Person Re-Identification
Invariance Matters： Exemplar Memory for Domain Adaptive Person Re-Identification当前的问题及概述：本文研究的是从标记的源域和未标记的目标域学习一个新的领域自适应ReID模型。以往的方法主要是减少源域和目标域之间的特征分布距离。然而，这样忽略了目标域内部的变量从而影响实验结果。而本文通过样本不变性、相机不变性和近...原创 2020-05-06 20:39:48 · 542 阅读 · 0 评论 -
2019 CVPR之ReID：Densely Semantically Aligned Person Re-Identification
Densely Semantically Aligned Person Re-Identification当前的问题及概述：目前ReID如图1中存在的问题：(a)不同的摄像机视点，(b)不同的姿态，©不完善的人检测，(d)局部内的错位，(e)杂乱的背景，(f)遮挡而造成的人的空间错位。本文通过对人即时信息语义的估计，构造了一组语义密集对齐的局部图像(dsap image)，其中相同的空间位...原创 2020-04-30 23:06:35 · 699 阅读 · 0 评论 -
2019CVPR之ReID：Distilled Person Re-identification Towards a More Scalable System
Distilled Person Re-identification Towards a More Scalable System当前的问题及概述：目前RGB-RGB ReID包含3个问题：(1)通过减少标签量来降低标签成本;(2)通过重用现有知识来降低扩展成本;(3)通过使用轻量级模型来降低测试计算成本。这三个问题本文统称为可扩展性问题。因此，本文基于这一问题，提出了一个可扩展自适应Re-...原创 2020-04-29 12:59:07 · 481 阅读 · 0 评论 -
2020 AAAI之ReID：Infrared-Visible Cross-Modal Person Re-Identification with an X Modality
Infrared-Visible Cross-Modal Person Re-Identification with an X Modality论文：https://download.youkuaiyun.com/download/qq_41967539/12363836当前的问题及概述：1，红外和可见光分别包含了许多不同的信息，以往的方法倾向于直接从这两种原始模态中学习跨模态信息。但结果说明这种直接映...原创 2020-04-26 13:27:21 · 1341 阅读 · 0 评论 -
CVPR 2020之ReID：Cross-modality Person re-identification with Shared-Specific Feature Transfer
Cross-modality Person re-identification with Shared-Specific Feature Transfer当前的问题及概述：现有的研究主要集中在通过将不同的模态嵌入到同一个特征空间中来学习共同的表达。然而，只学习共同特征意味着巨大的信息损失，降低了特征的差异性。在本文中，提出了一种新的跨模态共享特征转移算法(cm-SSFT)来解决上述问题，以探...原创 2020-03-08 21:19:40 · 5916 阅读 · 2 评论 -
跨模态ReID论文总结1：概述论文
概述论文共有两篇，都是2017年提出的，作为由单模态ReID到多模态的转型，两篇论文既总结了单模态论文的一些方法，并在多模态中尝试使用，并且有效的提出了由CNN网络对特征进行提取，特别是two-stream和SYSU数据集的提出，更是为后来的文章做好的铺垫。1.Person Recognition System Based on a Combination of Body Images from...原创 2020-03-06 14:33:02 · 1334 阅读 · 0 评论 -
2019 CVPR之ReID:Hi-CMD: Hierarchical Cross-Modality Disentanglement for Visible-Infrared Person Re-Id
Hi-CMD: Hierarchical Cross-Modality Disentanglement for Visible-Infrared Person Re-Identification当前的问题及概述：为了减少模内和模间的差异，我们提出了一种分层模间解调(Hi-CMD)方法，本文提出的方法有效的将ID-discriminative特征和ID- excluded特征分离出来，进而进行分...原创 2020-03-03 18:17:11 · 2827 阅读 · 3 评论 -
2017 sensors之ReID：Person Recognition System Based on a Combination of Body Images from Visible Light
Person Recognition System Based on a Combination of Body Images from Visible Light and Thermal Cameras本文可以说是第一次提出结合RGB和红外图像对人物进行重识别。当前的问题及概述：人体包含的身份信息可用于ReID这类问题。本文提出了一种利用人体图像信息进行人体识别的方法。模型及loss：...原创 2020-03-02 18:59:55 · 1065 阅读 · 0 评论 -
2020 AAAI之ReID：Cross-Modality Paired-Images Generation for RGB-Infrared Person Re-Identification
Cross-Modality Paired-Images Generation for RGB-Infrared Person Re-Identification当前的问题及概述：由于每一对RGB和IR图像之间缺乏对应标签，大多数方法都试图通过减少整个RGB和IR set之间的差异来缓解set-level对齐的变化。但是，这种set-level的对齐可能会导致某些情况下的不对齐，从而限制了RG...原创 2020-03-02 17:42:51 · 1802 阅读 · 0 评论 -
2019 TCSVT之ReID：SDL: Spectrum-Disentangled Representation Learning for Visible-Infrared Person Re-id
SDL: Spectrum-Disentangled Representation Learning for Visible-Infrared Person Re-identificatio当前的问题及概述：现有的RGB-IR ReID模型侧重于通过共享特征嵌入、子空间学习或对抗性学习来弥补RGB与IR图像之间的差距。然而，这些方法并没有明确地忽略与ReID无关的频谱信息。此外，对抗性学习方法...原创 2020-02-27 22:52:16 · 975 阅读 · 3 评论 -
2019 TIP之ReID：Learning Modality-Specific Representations for Visible-Infrared Person Re-Identificati
Learning Modality-Specific Representations for Visible-Infrared Person Re-Identification当前的问题及概述：由于不同的视觉特征，在异构模式下匹配行人非常具有挑战性。模型及loss：2.1Overview：图中可以看到，本文1）为每个域建立一个特定于模态的网络和一个特定于模态的loss函数，以便在特征提...原创 2020-02-26 22:23:37 · 1575 阅读 · 4 评论 -
2020 TIFS-ReID:Bi-Directional Center-Constrained Top-Ranking for Visible Thermal Person Re-Identific
Bi-Directional Center-Constrained Top-Ranking for Visible Thermal Person Re-Identification本文发表于2020 TIPS，是Visible thermal person re-identification via dual-constrained top-ranking的改进版本。当前的问题及概述：Mot...原创 2020-02-23 12:26:26 · 1487 阅读 · 3 评论 -
2020 AAAI之ReID：Attend to the Difference: Cross-Modality Person Re-identification via Contrastive
Attend to the Difference: Cross-Modality Person Re-identification via Contrastive Correlation当前的问题及概述：本文针对人类在比较两个相似物体时通常会注意到它们之间的差异这一特点，提出了一种双路径交叉模态特征学习框架。该框架由两个主要部分组成:Dual-path Spatial-structure-p...原创 2020-02-22 12:23:30 · 1509 阅读 · 4 评论 -
2019 ArXiv之ReID：Hetero-Center Loss for Cross-Modality Person Re-Identification
Hetero-Center Loss for Cross-Modality Person Re-Identification当前的问题及概述：目前所有的框架都在解决跨模态差异问题，很少有研究探讨改进类内跨模态相似性。本文提出了一个新的损失函数，称为异中心损失(HC损失)，以减少类内交叉模态的变化。具体来说，HC损失可以通过约束两个异质模态之间的类内中心距离来监督网络学习的跨模态不变信息。在交...原创 2020-02-20 20:18:59 · 1416 阅读 · 3 评论 -
2019 IEEE Access之ReID: Person Re-Identification Between Visible and Thermal Camera Images Based on
Person Re-Identification Between Visible and Thermal Camera Images Based on Deep Residual CNN Using Single Input当前的问题及概述：当前的很多方法，会使用了两个或更多的图像作为输入，计算复杂度是非常高的。本文提出了一种简化卷CNN结构的person ReID方法，该方法将可见光图像和...原创 2020-02-15 16:30:57 · 855 阅读 · 0 评论 -
2019 IET之ReID：HPILN: a feature learning framework for cross-modality person re-identification
HPILN: a feature learning framework for cross-modality person re-identification当前的问题及概述：提出了一种新的特征学习框架：hard pentaplet loss和identity loss network (HPILN),(HPILN)。在该框架中，对现有的单模态再识别模型进行了修正以适应交叉模态场景，并采用专门...原创 2020-02-14 12:44:36 · 1292 阅读 · 0 评论 -
19ICCV之REeID：RGB-Infrared Cross-Modality Person Re-Identification via Joint Pixel and Feature Alignm
RGB-Infrared Cross-Modality Person Re-Identification via Joint Pixel and Feature Alignment当前的问题及概述：传统的方法主要是通过特征表示学习来弥补跨模态和特征对齐之间的差异，其基本思想是通过特征表示学习来匹配真实的RGB和IR图像。由于两种模式之间存在较大的交叉模态差异，因此很难在共享的特征空间中准确地匹...原创 2020-02-12 17:45:19 · 1929 阅读 · 0 评论 -
19ArXiv之ReID：Enhancing the Discriminative Feature Learning for Visible-Thermal Cross-Modality Person
Enhancing the Discriminative Feature Learning for Visible-Thermal Cross-Modality Person当前的问题及概述：为了解决模式间和模式内的差异这两个问题,本文从两个方面入手，采用三种简单的方法来增强鉴别特征学习(EDFL)(1)skip-connection：我们从下图的灰度CAM可以看到，以backbone是Re...原创 2020-02-09 15:23:10 · 1229 阅读 · 0 评论 -
2018 AAAI之ReID：Hierarchical Discriminative Learning for Visible Thermal Person Re-Identification
Hierarchical Discriminative Learning for Visible Thermal Person Re-Identification目前的问题：现有的交叉模态匹配方法主要侧重于对交叉模态分布的建模，而VT-REID也存在由于摄像机视角不同而导致的交叉视图变化。下图可以看到，除了对同一ID的跨模态问题外，对摄像机拍摄同一ID的视角变化也是当前ReID的一个难点。...原创 2020-02-07 15:02:24 · 2641 阅读 · 4 评论 -
2019 AAAI之ReID：HSME: Hypersphere Manifold Embedding for Visible Thermal Person Re-Identificatio
HSME: Hypersphere Manifold Embedding for Visible Thermal Person Re-Identificatio本文最大的亮点是将人脸识别中设计的Sphere softmax loss函数迁移到ReID中，即SphereReID。目前的问题：目前的方法多采用分类和度量学习相结合的方法来训练模型，以获得具有鉴别性和鲁棒性的特征表示。然而，这种方式...原创 2020-02-05 17:30:24 · 1963 阅读 · 1 评论