论文导读(person re-identification)——Person Re-identification based on nonlinear ranking with difference

最新推荐文章于 2022-02-15 13:32:28 发布
最新推荐文章于 2022-02-15 13:32:28 发布
阅读量461 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 论文导读
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。
本文链接：https://blog.youkuaiyun.com/u010139630/article/details/52280514
本文介绍了一种基于非线性排序与差分向量的行人重识别方法。该方法首先将行人图像分割为五个区域并提取HSV特征，接着通过构建样本对来训练分类器。为解决样本不平衡问题，采用了聚类技术辅助训练过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

论文：Person Re-identification based on nonlinear ranking with difference vectors
发表在：2014 information science
论文思路：
第一步：行人分割5块，分别提取30维度的HSV通道直方图特征，另外，从一个红框中，也就是行人身体中心部位再提取一个HSV直方图特征
第二步：根据样本对，构造正例和负例集合，将Rank问题转为排序问题
第三步：利用聚类方法对样本负例进行聚类，减少样本之间的不平衡问题
第四步：利用libsvm工具，选择RBF核进行分类，得到排序结果。

值得借鉴的思路在于：聚类的方法，降低样本间的不平衡问题。

CVPR2019行人重识别论文笔记1812.02162：Dissecting Person Re-identification from the Viewpoint of Viewpoint
MOTMlsc的博客
06-20 732
CVPR2019行人重识别论文笔记系列 1812.02162：Dissecting Person Re-identification from the Viewpoint of Viewpoint 文章链接：https://arxiv.org/abs/1812.02162 文章贡献： 提出了一种三维合成数据生成器PersonX。 基于PersonX生成的数据集，研究了视点对识别效果的影响。 1. PersonX： PersonX是基于Unity完成，其中包含1266个手工行人模型，其中包括547位女性和
【论文笔记】Pose Transferrable Person Re-Identification
不知小姐
01-03 2589
Abstract 行人重识别领域的一个关键挑战是如何在当前的标准数据集(Market1501,DukeMTMC-reID,CUHK03)没有充足的行人姿态变换的数据的情况下 训练一个鲁棒的行人重识别系统。 为了解决这个问题，论文提出了一个可变换行人姿态的行人重识别框架。 1. Introduction 姿态的变化是阻碍学习一个鲁棒Reid模型的关键因素之一。最近，基于方法的深度卷积网络...
Dissecting Person Re-identification from the Viewpoint of Viewpoint
CSS360的博客
07-01 544
开源代码：https://github.com/sxzrt/Dissecting-Person-Re-ID-from-the-Viewpoint-of-Viewpoint 摘要 变化在视觉因素，例如视点，姿态，光照和背景，通常视为最重要挑战是在人的重识别上。尽管知识这些因素是影响的，数量研究在他们怎样影响重识别系统仍然是短缺的。为尝试在这个科学挑战，这篇文章及早尝试研究一个特别...
Camera viewpoint learning for person re-identification
嘻嘻哈哈yjy的博客
12-07 694
行人重识别之摄像头视角 Camera viewpoint learning for person re-identification 这次分享一篇自己的文章，这篇文章针对了摄像头视角的问题。 先来说一个行人重识别中本质而又容易被忽略的问题： 行人重识别是跨摄像头检索任务，也就是说，找到同一个摄像头中的同一个人是没有意义的。最终计算准确率的时候，会把rank序列中和query摄像头视角相同且是同一个...
CVPR 2017论文集锦（论文分类）—— 附录部分翻译
热门推荐
denghe优快云的博客
08-23 2万+
作为计算机视觉领域的三大顶级会议之一，CVPR 2017 又收录了很多优秀的文章。具体可参见 CVPR 的论文官网：http://www.cvpapers.com/cvpr2017.html        Machine Learning 1 （机器学习） Spotlight 1-1A  （关注的焦点 1-1 A） Exclusivity-Consistency Regular
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
【CVPR2019】论文完整列表一
TomRen
06-11 1万+
CVPR 2019 Paper list[1-1000] CVPR2019 完整列表二 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning G...
AAAI 2022 论文列表
gbstack08的专栏
02-15 2万+
链接及代码之后会更新 GitHub链接：https://github.com/gbstack/AAAI-2022-papers Scaled ReLU Matters for Training Vision Transformers Pichao Wang, Xue Wang, Hao Luo, Jingkai Zhou, Zhipeng Zhou, Fan Wang, Hao Li, Rong Jin Search Strategies for Topological Network Optimizat
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3951
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
cvpr论文_2018CVPR
04-29
2018CVPR_Dissecting Person Re-identification from the Viewpoint of Viewpoint
2015CVPR论文翻译
05-27
（2015年CVPR）Deep Convolutional Neural Fields for Depth Estimation from a Single Image文章的翻译
Pose Transferrable Person Re-Identification阅读笔记
qq_35226955的博客
08-18 1149
Pose Transferrable Person Re-Identification 作者： Jinxian Liu， Bingbing Ni等人 2018 CVPR 1. Motivation 既然pose影响reid性能，那让网络尽可能多地看到不同pose的图像不就可以了。于是作者一个三步走策略： 第一步：用训练集训练reid模型，让模型具有一定的鉴别力，让整个方法的效果不会低于bas...
阅读小结Improving Person Re-identification via Pose-aware Multi-shot Matching
郑哲东的博客
07-09 2391
Authors:Yeong-Jun Cho and Kuk-Jin Yoon  What： Person Reid 识别多个摄像头下的行人是否为同一人 Motion： 由于camera viewpoint 和 person pose带来的外形巨大改变，故提出了 Pose-aware Multi-shot Matching (PaMM)  分析这两种问题 （由于多个摄像头的设置
2017 ICCV-Pose-driven Deep Convolutional Model for Person Re-identification
Bo's Blog
06-10 3095
Motivation 巨大的姿势变化以及复杂的视角差异增加了从行人图片中提取特征与匹配的困难 Contribution 提出了Pose-driven Deep Convolutional(PDC) model来提高特征学习以及匹配 pose driven feature weighting sub-network来学习自适应特征融合 1.Introduction r...
CVPR2016:Improving Person Re-identification via Pose-aware Multi-shot Matching
yuanchheneducn的博客
12-02 1409
作者：Yeong-Jun Cho and Kuk-Jin Yoon Computer Vision Laboratory, GIST, South Korea动机人的外表会随着动作和视角变化而改变，因此不同姿态下进行的匹配会有很大的困难。方法1.通过估计人的姿态 （front, right, back, left） 2.建立多姿态匹配模型 3.以加权和的方式进行预测（采用KISSME学习权重
Spatial-Temporal Person Re-identification
yaosun4146的博客
05-05 742
基于时空信息的行人重识别摘要介绍相关工作提出的方法视觉特征流时空流联合度量实施细节实验 摘要 很多当前的行人重识别(ReID)方法忽略了时空约束信息。给定一张查询图，传统的方法需要计算该图到图库中所有图到特征距离然后返回一张根据特征相似度排序的表格。当在实际情况中这个图库中图片数量非常庞大时，因为跨摄像头表面特征多义性的问题，这些方法都不能获得好的性能表现。 本文提出一种双流时空行人重识别网络(s...
Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training
嘻嘻哈哈yjy的博客
08-24 2251
行人重识别之动态分块训练 Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training 原文链接 这篇文章提出了两个思想： 图像局部和整体的信息都很重要，要联合使用。 在训练的过程中，损失函数的权重应该是动态变化的。 这两个思想的关联性不大，我们分开来看。 图像的分块和信息的利用： 对于行人重识别中图像的分块重要性我们已经...
Person re-identification by Local Maximal Occurrence representation and metric learning
cv_family_z的博客
11-20 3884
这是中科院关于Person re-identification CVPR 2015 Local Maximal Occurrence Feature 3.1. Dealing with Illumination Variations 首先对图像使用 Retinex 进行了预处理，前后结果如下图所示： 对处理后的图像，我们通过计算 HSV color histogram 来提取颜色特
EM algorithm-based identification of a class of nonlinear Wiener systems with missing output data的matlab例子程序
最新发布
01-09
### 基于EM算法的非线性Wiener系统MATLAB实现 对于处理带有缺失输出数据的非线性Wiener系统，可以采用期望最大化(Expectation-Maximization, EM)算法来估计模型参数。该方法通过迭代优化过程，在每次迭代中交替执行E步（计算隐含变量的条件期望）和M步（更新参数的最大似然估计）。针对非线性Wiener系统的特点以及存在缺失数据的情形，下面给出一段简化版的MATLAB代码示例[^1]。 ```matlab function [theta_hat, sigma2_hat] = em_nonlinear_wiener(y_observed, X, num_iter) % y_observed: 观测到的部分输出向量 (含有NaN表示未知/丢失的数据点) % X: 输入信号矩阵 % num_iter: EM算法最大迭代次数 n = length(X); % 数据长度 m = sum(~isnan(y_observed)); % 已知观测数量 % 初始化参数 theta_init = rand(size(X, 2), 1); sigma2_init = var(nonzeros(y_observed)); theta_hat = theta_init; sigma2_hat = sigma2_init; for iter = 1:num_iter % E-step: 计算Q函数所需的充分统计量 mu_pred = predict_output(theta_hat, X); R = diag([ones(m, 1)*sigma2_hat; ones(n-m, 1)*Inf]); K = chol(R)' \ covar_matrix(mu_pred, ~isnan(y_observed)); z_estimated = zeros(n, 1); z_estimated(isnan(y_observed)) = mean(z_estimated(isnan(y_observed))); z_estimated(~isnan(y_observed)) = ... nonzeros(y_observed - mu_pred(~isnan(y_obsirmed)))' * K(:, ~isnan(y_observed)); % M-step: 更新参数 theta_new = inv(X'*X)*(X'*z_estimated); residuals = z_estimated - predict_output(theta_new, X); sigma2_new = mean(residuals.^2); if abs(sigma2_new-sigma2_hat)/sigma2_hat < 1e-6 && norm(theta_new-theta_hat)<1e-6 break; end theta_hat = theta_new; sigma2_hat = sigma2_new; end function mu = predict_output(theta, X) mu = tanh(X*theta); % 非线性激活函数作为静态映射部分 end function C = covar_matrix(f_mean, mask) C = exp(-bsxfun(@minus,f_mean(mask)',f_mean(mask)).^2 / (0.5)^2); end ``` 此段程序实现了对给定输入`X`与不完全观察序列`y_observed`之间关系的学习，并尝试恢复隐藏状态`z`。这里假设系统的动态特性由一个简单的tanh型非线性转换描述；实际应用时可根据具体物理背景调整这部分表达式。此外，协方差核的选择也会影响最终效果，上述例子采用了高斯径向基函数形式。
评论
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