ReID简记-3-3D PersonVLAD: Learning Deep Global Representations for Video-based Person Re-id

介绍了一种基于视频的行人再识别(ReID)方法3DPersonVLADaggregation,利用时空注意力机制和VLAD聚合提升识别效果。网络包含3D身体校准模块,通过多个分支检测并提取分辨性特征。

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

创新点

1.基于视频的行人ReID方法:3D Person VLAD aggregation
2.阐述了时空注意力的优势和VLAD aggregation 的重要性

总结

网络结构如图所示,输入时确定长度的视频。
网络结构最主要的是接下来的部分。
3D身体校准网络如下:

此部分包含B个分支,每个分支估计一个注意力图。通过这个注意力图,可以平衡3D卷积特征。B个分支的输入都是相同的。每个分支检测一个有分辨性的区域并提取特征。B由交叉验证和先验得到。
之后的部分就是数学问题了,没有细看。
先学习一下3D卷积吧。

评论
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