[深度学习论文笔记][总结]Invariant gait feature extraction based on image transformation

本文总结了两篇来自深圳大学的研究,使用神经网络图像变换模型进行步态识别,消除视角、衣着等因素影响。通过自动编码器和生成对抗网络实现特征提取的不变性,提升步态识别系统的性能。

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

近期有两篇来自于同一第一作者单位的工作,使用基于神经网络的图像变换模型来处理不同视角、不同衣着或手持物的CEI特征到统一的90°正常特征(SPAE与GaitGAN)。在这里加以简单总结与对比。

[Neurocomputing 17] Invariant feature extraction for gait recognition using only one uniform model

Shiqi Yu, Haifeng Chen, Qing Wang, Linlin Shen, Yongzhen Huang

from Shenzhen University and CAS-IA

paper link

这篇文章使用自动编码器(Auto-encoder)来去除来自于CL(大衣)和BG(手持包)的CEI中的影像识别的因素,之后将不同视角的CEI特征转换到统一的视角(side view = 90°)。

直接进行转换会使得任务变得很困难。本文采用了divide-and-conquer思想将变换过程进行拆分,分布训练编码器,再进行叠加。

作者设计的编码器首先处理CL和BG特征到正常的NM CEI。其中CL到NM的变换通过1层网络即完成变换,而BG到NM需要通过2层网络的变换。

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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