soarflight_ing的博客

Human Semantic Parsing for Person Re-identification 论文：Human Semantic Parsing for Person Re-identification,cvpr,2018 链接：paper 代码：github 摘要 背景：现有方法都是利用检测框来对局部特征进行提取，这样的框精度较低，并且现有的方法涉及很多模块，相对比较复杂，通过大量实验证明使用简单且有效的训练方法效果是非常好的； 贡献：文中提出了SPReID，利用human semantic

Multi-Scale Body-Part Mask Guide Attention for Person Re-identification 论文:Multi-Scale Boyd-Part Mask Guide Attention for Person Re-identification 论文链接：MMGA 代码： 摘要 背景：由于人的姿态变化，不同的光照、遮挡、错位、背景杂乱等原因，对人的重识别仍然具有挑战性。 贡献：文中提出了一种多尺度身体局部语义掩模引导注意力网络（MMGA)，可以联合全身和局

MGCAM 论文：Mask-guided Contrastive Attention Model for Person Re-Identifification，cvpr,2018 论文链接：paper 代码：github 摘要 背景：由于不同的背景杂乱，不同的视点和身体姿势，远远没有解决。如何提取对背景杂波不变性、鲁棒性强的特征是核心问题。 贡献：本文（1）引入了二值化的行人分割轮廓图作为额外输入，并与彩色图像合并为四通道的新输入，然后设计一种基于分割轮廓的对比注意模型来学习背景无关的行人特征。（2）在

DeepLap 系列论文 分割中仍存在的问题 1、不断降低的分辨率，连续的池化或下采样导致图像的分辨率大幅下降，从而损失了原始信息，且在上采样过程中难以恢复。因此，越来越多的网路都在试图减少分辨率的损失，比如使用空洞卷积，或者使用步长为2的卷积操作代替池化。实验证明，此类方法是有效的。 2、多尺度目标的存在，无法很好的分割。 3、定位精度比较低，对物体的边界分割不够细化。 DeepLap v1 摘要 主要背景：DCNNs 的最后一层不足以进行精确分割目标。 主要贡献：本文将深度卷积神经网络和CRF（条件随机