[行人重识别论文阅读]Fine-Grained Shape-Appearance Mutual Learning for Cloth-Changing Person Re-Identification

最新推荐文章于 2025-09-29 11:35:40 发布
原创 最新推荐文章于 2025-09-29 11:35:40 发布 · 1k 阅读 · 4 ·
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：

#人工智能 #计算机视觉 #行人重识别

论文地址
论文代码：暂无

文章思想

在上篇文章中我们引入了sketch（行人轮廓图）的思想去解决换衣问题，但是我们会在实践中发现sketch的优劣性严重影响了最后实验结果的好坏。此篇论文的核心思想就提高行人轮廓图的图片质量。

利用行人标签提高轮廓图质量

想法很简单就是如果该行人轮廓图能够正确的预测出行人的标签，那么其行人轮廓图的质量就会非常不错。

下述公式描述了如何提取行人的轮廓:
我们首先利用下述公式获得行人的掩码,I为输入图像,Θm为网络的参数,Fm为语义解析网络,这样我们得到的就是行人的掩码M
在这里插入图片描述
之后将得到M投入到Fs中得到轮廓特征, Θs为Fs的参数
在这里插入图片描述
虽然这种方法很好但是会出现一个问题：
在这里插入图片描述

最低0.47元/天 解锁文章
论文阅读： Clothes-Changing Person Re-identification with RGB Modality Only
yuanchheneducn的博客
07-21 2572
这其实就是一个细粒度多类别的身份分类器（文中称为multi-positive-classclassificationloss），若图像属于同一身份的衣服类，则概率为1/K，K为该身份行人的衣服类别数。但是，这样带来的问题是会对换衣情况下的身份识别有帮助，但是对不换衣情况下会降低效率。为此，对该公式进行调整，增大同一身份相同衣服的概率，这样就使得模型在关注身份的同时，会去关注部分衣服特征。对同一身份的图像穿不同衣服的分成不同类别，这样不同身份的行人即便穿相同衣服也会被分为不同类，但是减少了标注的困难。...
《Prototypical Contrastive Learning-based CLIP Fine-tuning for Object Re-identification》
三明治的博客
03-10 1516
在这项工作中，我们首先分析了提示学习在CLIP-ReID中的作用，并确定了其局限性。基于我们的研究，我们提出了一种简单而有效的方法来适应被监督对象的Re-ID。我们的方法使用典型的对比学习(PCL)损失直接微调CLIP的图像编码器，消除了对快速学习的需要。
行人重识别
06-08
行人重识别ppt，配合 基于行人重识别的深度嵌入鉴别特征学习
深度学习--行人重识别技术（超分辨率网络+ResNet101）附数据集
最新发布
2301_79677484的博客
09-29 1032
针对低分辨率行人图像（如远距离监控拍摄、低像素设备采集的图像）因细节信息缺失（衣物纹理模糊、配饰特征不可见）、特征区分度低，导致行人重识别（Re-ID）任务中匹配准确率下降、误识率升高的核心问题，本研究提出一种融合超分辨率重建与深度特征提取的一体化解决方案。该方案先通过超分辨率网络（如 SRGAN 改进架构）对输入的低分辨率行人图像进行分辨率提升与细节恢复，弥补低清图像丢失的高频特征（如边缘轮廓、局部纹理），为后续特征提取提供高质量图像输入；
Gu_Clothes-Changing_Person_Re-Identification_With_RGB_Modality_Only
qq_54212092的博客
10-09 633
行人重识别旨在监控视频中通过在不同地点和不同时间搜索目标人物。现有的许多工作中都是假设行人在短时间内没有改变他们的衣服。然而，如果我们想要过长时间去识别一个行人，服装改变就不可避免。并且，服装改变问题在短时间真实世界场景中也是存在的。
精选资源
Distilling-Object-Detectors:CVPR 2019 论文 Distilling Object Detectors with Fine-grained Feature Imitation 的实现
07-24
我们的 CVPR 2019 论文 Distilling Object Detectors with Fine-grained Feature Imitation 的实现 我们提出了一种基于锚点的对象检测模型的通用蒸馏方法，以利用大型教师模型的知识获得增强的小型学生模型，该模型...
Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification 论文学习
calvinpaean的博客
10-08 5620
论文地址：https://arxiv.org/pdf/2108.08728.pdf Github地址：https://github.com/raoyongming/CAL Abstract 注意力机制在细粒度视觉分类任务上非常有效。本文介绍了一个反事实的注意力学习方法，基于因果推理来学习更加有效的注意力。现有的方法都基于传统的概率来学习注意力，本文作者提出利用反事实因果关系来学习注意力，为评价注意力的质量提供了一个强力的工具，提供的监督信号可有效地指导训练过程。作者通过反事实介入，分析学到的注意力对网络预测
Learning to Navigate for Fine-grained Classification
09-11
ECCV 2018 paper, Fine-grained image recognition,propose a novel self-supervision mechanism to effectively localize informative regions without the need of bounding-box/part annotations
行人重识别（Person Re-Identification, Re-ID）
PeterClerk的博客
11-24 3162
行人重识别（Person Re-Identification, Re-ID）
行人重识别-1
weixin_39965184的博客
06-26 275
综述 系统 存在问题 及 指标 评价标准 rank-k CMC mAP 学习方法 最终效果（聚类） 外观相似的人会聚类到一起 表征学习 与 度量学习 训练网络需要一个损失函数，表征学习和度量学习就是由损失函数的不同而区分的。 表征学习：通过辅助手段来学习图像的相似度，而不是直接学习。 度量学习：通过网络直接学习出图像的相似度。 表征学习：具有分类损失和验证损失。 1.1 分类损失进行训练 1.2 接不同Fc层代表不同的属性以增强训练时的效果。 1.3在测试的时候要把Fc层
【行人重识别】Unsupervised Salience Learning for Person Re-identification
无极阁
07-20 1450
人眼可以基于​​一些较小的显着区域来识别人的身份。然而，当使用现有方法计算图像的相似度时，通常会隐藏这种有价值的显着信息。此外，许多现有的方法学习区别性特征并以监督的方式处理急剧的视点变化，并要求为不同的摄像机视图对标注新的训练数据。在本文中，我们提出了一种基于无监督显着性学习的人员重新识别的新颖视角。在训练过程中无需识别标签即可提取出独特的特征。首先，我们应用邻接约束补丁匹配来建立图像对之间的密集对应，这显示了在处理由较大视点和姿势变化引起的未对准方面的有效性。其次，我们以无人监督的方式学习人类的显着性。
Person re-identification行人重识别（一）
Alkaid2000的博客
09-26 4138
行人重识别，简单来说就是要在不同时间、地点或者相机上匹配到一个特定的人，属于图像检索的内容。其难点和核心便在于如何从杂乱的背景、姿态的多样性以及存在遮挡等各种复杂多变的情况下，有效地从人像图像中鉴别并提取视觉特征（即区分出不同的人）。
行人再识别：Mask-guided Contrastive Attention Model for Person Re-Identification
Shawn
08-31 2309
摘要 1.引进二值化的行人分割轮廓图作为额外输入，并与彩色图像合成为四通道的新输入，然后设计一种基于分割轮廓图的对比注意模型来学习背景无关的行人特征。在此基础上，提出一种区域级别的三元组损失函数，分别来约束来自全图区域、行人身体区域、背景区域的特征，提出的损失函数可以让来自全图区域和行人身体区域的特征在特征空间靠近，并远离背景区域，最终达到去除背景的作用。 2.提出一种特殊的样本来扩充数据集：...
行人重识别(ReID)概述
热门推荐
Bo's Blog
07-24 7万+
什么是Re-ID? 行人重识别（Person Re-identification也称行人再识别，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定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。 为什么要Re-ID？ 在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失...
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