行人重识别——全局特征和局部特征

最新推荐文章于 2025-10-09 18:01:38 发布
原创 最新推荐文章于 2025-10-09 18:01:38 发布 · 6.8k 阅读 · 45 ·
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：

#计算机视觉 #人工智能

本文探讨了行人再识别（ReID）领域的关键技术，包括全局特征与局部特征的提取方法，如水平切块、GateSiamese、AlignedReID、PCB等。同时，文章深入分析了姿态信息的应用，如PIE、SpindleNet、PDC等算法如何利用关键姿态点提高识别精度。此外，还讨论了行人分割技术在ReID任务中的作用。

全局特征

全局特征：每一张行人图片的全局信息进行一个特征抽取，这个特征没有任何的空间信息
在这里插入图片描述

局部特征

局部特征是对图像中的某一个区域进行特征提取，最后将多个局部特征融合起来作为最终特征。
常用的方式：切片、姿态、分割、网格
在这里插入图片描述

一些概念

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

水平切块

Gate Siamese

最低0.47元/天 解锁文章
行人重识别-全局特征和局部特征（二）
u013517182的博客
09-18 2070
全局特征 全局特征指每一张行人图片的全局信息进行一个特征抽取，得到一个向量，没有包含任何空间信息。没有spatial信息会有问题 有时候，一个人只有上半身，一个人只有下半身就很蛋疼。所以全局特征会遇到瓶颈。 为了解决这个问题，提出局部特征 局部特征 局部特征是对图像的某一个区域进行特征抽取，最后将多个局部特征融合起来得到最终特征 切片，从上到下，符合人体拓扑结构 姿态，利用姿态估计模型将人的姿...
Person re-identification行人重识别（二）——实战
Alkaid2000的博客
10-09 2074
基于行人局部特征融合的再识别实战
全局与局部特征融合的创新思路
最新发布
2501_93677471的博客
10-09 418
通过引入自注意力机制或神经架构搜索，模型可动态选取图像中的全局背景信息与局部细节特征，实现智能化的特征组合。在GAN架构中引入全局-局部特征的加权混合机制，通过优化生成过程中的细节丰富性与全局一致性，解决传统GAN生成图像模糊或缺乏细节的问题。设计专门的全局-局部融合损失函数，引导生成器在保持整体结构合理性的同时增强局部细节的真实感，从而提升生成图像的视觉质量与多样性。在训练过程中，模型通过全局特征优化整体任务目标，同时借助局部特征强化细节表达能力，最终在自监督任务的引导下实现两者的智能融合。
行人重识别的大体介绍
Joker的博客
08-12 2756
行人重识别简介：   首先拿到原始的视频，从对视频中的行人进行检测，将行人图片裁剪出来，得到一系列的行人图片(图中的gallery)，对于任意一张想要检索的图片，比如图中的Cam1，假设Cam1中的行人标号为A，在gallery中进行搜索，找到gallery中的所有的标号为A的人。 行人重识别的定义： 行人重识别也称行人再识别，被广泛认为是一个图像检索的子问题， 是利用计算机视觉技术判断图像或者视频中是否存在特定行人的技术，即给定一个监控行人图像检索跨设备下的该行人图像。行人重识别技术可以弥补当前..
基于深度学习的行人重识别研究综述 罗浩.ZJU
热门推荐
baidu_18891025的博客
01-30 2万+
基于深度学习的行人重识别研究综述 罗浩.ZJU 1 个月前 原文：独家 | 基于深度学习的行人重识别研究综述 作者：罗浩 备注：为雷锋网/AI 科技评论写的一篇文章，原文没有公式编辑器，所以在知乎上发布一版 前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特
全局图像特征与局部图像特征区别
我的博客
03-10 1万+
全局特征是指图像的整体属性，常见的全局特征包括颜色特征、纹理特征和形状特征，比如强度直方图等。由于是像素级的低层可视特征，因此，全局特征具有良好的不变性、计算简单、表示直观等特点，但特征维数高、计算量大是其致命弱点。此外，全局特征描述不适用于图像混叠和有遮挡的情况。局部特征则是从图像局部区域中抽取的特征，包括边缘、角点、线、曲线和特别属性的区域等。常见的局部特征包括角点类和区域类两大类描述方式。 ...
全局特征和局部特征
Jane_JU的博客
12-09 8979
全局特征是指对每一张行人图片的全局信息进行一个特征抽取，这个全局特征没有任何的空间信息。 缺点： 噪声区域会对全局特征造成极大的干扰(背景杂波)。 姿态的不对齐造成信息不对齐，也会使得全局特征无法匹配。 为了解决这个问题，我们提出了局部特征。 局部特征就是对图像的某一区域进行特征提取，最后将多个局部特征融合起来作为最终特征。 常用方法：切片，姿态，分割，网络 切片：水平切片，从上到下，对每一个切片块进行特征提取 姿态：利用姿态估计模型，把每个姿态估计出来，对关键姿态点进行特征提取 分割：把人或某个区域分割出
行人重识别(17)——代码实践之局部对齐最小距离算法（local_distance.py）
R.I.P Kobe Bryant
01-03 1140
介绍局部对齐最小距离算法（local_distance.py）的作用、编写思路、python代码。
全局特征拼接提升行人重识别：95.9% Rank-1精度
本文主要探讨的是"基于全局特征拼接的行人重识别算法研究"。...本文提出的基于全局特征拼接的行人重识别算法在保持模型简洁性的同时，提高了识别准确性和鲁棒性，为行人重识别领域的研究提供了新的视角和方法。
行人重识别(3)——行人重识别（基于图像）综述
R.I.P Kobe Bryant
01-26 7541
介绍行人重识别（基于图像）方向的相关方法、研究热点与相关数据集。
行人重识别(19)——代码实践之全局特征与局部特征难样本挖掘三元组损失（LG_TriHard_Loss.py）
R.I.P Kobe Bryant
01-05 880
介绍全局特征与局部特征难样本挖掘三元组损失（LG_TriHard_Loss.py）的作用、编写思路、python代码。
一种基于全局和局部特征的LBP算法应用
05-25
提出一种基于全局和局部特征的LBP人脸识别算法 不错的一篇关于LBP的文章。
面向行人重识别的局部特征研究进展、挑战与展望
11-25
行人重识别(Person re-identification, Re-ID)旨在跨区域、跨场景的视频中实现行人的检索及跟踪, 其成果在智能监控、刑事侦查、反恐防暴等领域具有广阔的应用前景. 由于真实场景下的行人图像存在光照差异大、拍摄视角不统一、物体遮挡等问题, 导致从图像整体提取的全局特征易受无关因素的干扰, 识别精度不高.
什么是全局特征,什么又是局部特征
不正经的码狗
04-22 2135
全局特征和局部特征是用来描述数据中信息的两种不同方式，特别是在图像处理、模式识别和机器学习领域中经常被提到。
【深度学习笔记2】——行人重识别之局部特征与深度学习小经验
heshuting555的博客
05-13 5165
【深度学习笔记2】——行人重识别之局部特征与深度学习小经验一. 表征学习和基于特征学习的区别1.表征学习：2.基于局部特征学习：二. 解读论文（MGN）三. 解读论文（Human Semantic Parsing for Person Re-identification）二. 行人重识别的四大类loss1.Distance loss：1）余弦距离（Consine distance）2）杰卡德距离（...
图像全局特征与局部特征
万人往的专栏
04-28 1万+
最开始学习图像处理的
ReID基础 | 全局特征和局部特征
滨哥v5的博客
04-07 7029
ReID
【笔记】局部特征
TobiasYoung的博客
03-12 3656
一、全局特征和局部特征区别 全局特征是指图像的整体属性，常见的全局特征包括颜色特征、纹理特征和形状特征，比如强度直方图等。由于是像素级的低层可视特征，因此，全局特征具有良好的不变性、计算简单、表示直观等特点，但特征维数高、计算量大是其致命弱点。此外，全局特征描述不适用于图像混叠和有遮挡的情况。局部特征则是从图像局部区域中抽取的特征，包括边缘、角点、线、曲线和特别属性的区域等。常见的局部特征包括角点...
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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