[行人重识别论文专栏阅读导向]

最新推荐文章于 2025-12-16 20:03:02 发布
原创 最新推荐文章于 2025-12-16 20:03:02 发布 · 1.9k 阅读 · 3 ·
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：

#行人重识别

本文汇总了当前研究热点，包括大规模换衣场景下的人脸识别(COCASALarge)、服装变化下的重新识别方法，以及无监督和领域适应技术的最新进展，如全球距离分布分离、互惠教学伪标签精炼等。同时探讨了步态识别和分块方法的应用，以及基于GAN的方向。

本篇文章为目前专栏中总结论文的索引：

1.换衣方向

COCAS A Large-Scale Clothes Changing Person Dataset for Re-identification

Person Re-identification by Contour Sketch under Moderate Clothing Change

Fine-Grained Shape-Appearance Mutual Learning for Cloth-Changing Person Re-Identification

2.无监督(UDA)

Global Distance-distributions Separation for Unsupervised Person Re-identification

Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person

3.无监督域适应(DG)

Invariance Matters: Exemplar Memory for Domain AdaptivePerson Re-identification

Meta Batch-Instance Normalization for Generalizable Person Re-Identification

DomainMix: Learning Generalizable Person Re-Identification Without Human Annotations

4.步态识别方向

5.分块方向：

AlignedReID: Surpassing Human-Level Performance in Person Re-Identification

Relation Network for Person Re-identification

6.基于GAN方向

YOLOv8【第八章：特殊场景检测篇·第14节】一文搞懂，监控视频智能分析！
**My Coding Family**
12-15 902
🏆 本文收录于 《YOLOv8实战：从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例（当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向），坚持持续更新 + 深度解析，质量分长期稳定在 97 分以上，可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。
YOLOv8【第八章：特殊场景检测篇·第15节】一文搞懂，自动驾驶场景检测！
**My Coding Family**
12-15 1405
🏆 本文收录于 《YOLOv8实战：从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例（当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向），坚持持续更新 + 深度解析，质量分长期稳定在 97 分以上，可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。
[行人重识别论文阅读]Fine-Grained Shape-Appearance Mutual Learning for Cloth-Changing Person Re-Identification
zlsd21的博客
11-03 1096
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。 方法一：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。 虽然这种方法很好但是会出现一个问题： 如上图的(c）所示除了轮廓以外的其它细节也被引入，其它细节虽然会提高模型的预测准确率 但是我们只是想要行人的轮廓，
【论文分享】Clothes-Changing Person Re-identification with RGB Modality Only
页页读
10-18 1009
In this paper, we propose a Clothes-based Adversarial Loss (CAL) to mine clothes- irrelevant features from the original RGB images by penalizing the predictive power of re-id model w.r.t. clothes. Extensive experiments demonstrate that using RGB images
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。...
CVPR 2021 论文大盘点-人员重识别篇
qwj的博客
04-15 2422
CVPR 2021 论文大盘点-人群计数篇 本篇文章总结人员重识别相关论文，包含无监督人员重识别，基于视频、部分身体的行人重识别，可见光红外人员重识别，域泛化人员重识别，换装人员重识别，行人检索等等。共计 26篇。 大家可以在： https://openaccess.thecvf.com/CVPR2021?day=all 按照题目下载这些论文。 如果想要下载所有CVPR 2021论文，请点击这里： CVPR 2021 论文开放下载了！ “终生”人员重识别 Lifelong Per
CVPR2019 | 论文分类汇总
热门推荐
weixin_44174124的博客
06-15 5万+
作为计算机视觉领域三大顶会之一，CVPR2019（2019.6.16-6.19在美国洛杉矶举办）被CVers 重点关注。目前CVPR 2019 接收结果已经出来啦，相关报道：1300篇！CVPR2019接收结果公布，你中了吗？ 开设此帖希望可以实时跟进CVPR2019的即时信息及相关优秀论文，欢迎点击文末关注按钮file，即可获取本帖最新更新消息。 cvpr2019 accepted papers （官方下载链接，需科学前往） Github论文汇总链接（欢迎star) 论文PDF下载（提取码：提示：此内容登
行人重识别的挑战 与 最新进展 （35页PPT整理）
郑哲东的博客
07-24 1463
行人重识别近几年获得了在测试结果上的大幅提升，甚至超过了人的分辨能力，但是我们在实际应用上仍有很多待解决的问题。在本文中，我们take a step back, 提出了一些问题和潜在的解决方案，主要以我们reler组的尝试为主，包括大家比较熟知的 PCB / HHL/ PUL/ SPGAN/ DG-Net等工作，抛砖引玉。 希望能为未来这个领域的发展提供一些新的视野。 由于篇幅，我们只能展示有限的工作，我们respect所有在这个领域作出贡献的老师同学们。感谢大家！这篇文章中提到多数文章的代码，我们都开源
PaperWeeklyAI - 迈微AI研习社顶会论文研读精选GitHub仓库
迈微AI研习社 · 号主
12-30 665
NLP论文研读 | 计算机视觉论文 | 机器学习/深度学习理论 | 机器学习实战篇 | AI进阶指南 | 迈微AI前沿(精选)
YOLOv8【第八章：特殊场景检测篇·第16节】一文搞懂，农业智能检测应用！
**My Coding Family**
12-16 904
🏆 本文收录于 《YOLOv8实战：从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例（当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向），坚持持续更新 + 深度解析，质量分长期稳定在 97 分以上，可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。
YOLOv8【第八章：特殊场景检测篇·第10节】一文搞懂，极端天气条件检测！
**My Coding Family**
12-14 1264
🏆 本文收录于 《YOLOv8实战：从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例（当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向），坚持持续更新 + 深度解析，质量分长期稳定在 97 分以上，可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。
计算机视觉论文-2021-03-10
中科院AI算法工程师的博客
03-10 5898
本专栏是计算机视觉方向论文收集积累，时间：2021年3月9日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Selective Replay Enhances Learning in Online Continual Analogical Reasoning AUTHORS: Tyler L. Hayes ; Christopher Kan...
用于生成路线的 语音文件
最新发布
12-27
用于生成路线的 语音文件
jdk1.8.0-201.rar
12-27
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 Dart2JS is the Dart-to-JavaScript compiler for Dart. This compiler will provide high-quality translation from Dart to JavaScript. Some areas that will explored in this project are: * high-performance extensible scanner and parser * concrete type inferencing * fancy language tool support * programming environment integration * SSA-based intermediate representation * adaptive compilation on the client
deep-person-reid-master.zip
12-27
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；或者说，行人重识别是指在已有的可能来源与非重叠摄像机视域的视频序列中识别出目标行人。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。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。当人脸识别失效的情况下，ReID就成为了一个非常重要的替代品技术。ReID有一个非常重要的特性就是跨摄像头，所以学术论文里评价性能的时候，是要检索出不同摄像头下的相同行人图片。
【电力系统优化调度】计及源荷两侧不确定性的含风电电力系统低碳调度（Matlab代码实现）
12-27
【电力系统优化调度】计及源荷两侧不确定性的含风电电力系统低碳调度（Matlab代码实现）
ACM算法竞赛题解与优化技巧 练习题
12-27
ACM算法竞赛题解与优化技巧
对postgresql进行性能优化
12-27
先展示下效果 https://pan.quark.cn/s/81d3b967159d postgresqltuner.pl Build Status Donate analyses your PostgreSQL instance and produces a report, giving hints. It is inspired by mysqltuner.pl Demo Here is a sample output: ~~~ postgresqltuner.pl version 1.0.1 Checking if OS commands are available on /var/run/postgresql... [OK] I can run OS commands Connecting to /var/run/postgresql:5432 database template1 with user postgres... [OK] The user acount used for reporting has superuser rights on this PostgreSQL instance ===== OS information ===== [INFO] OS: linux Version: 4.9.0 Arch: x86_64-linux-gnu-thread-multi [INFO] OS total memory: 94.36 GB [OK] vm.overcommit_memory is good: no memory overcommitment [INFO] Running (probably) directly on a phy...
评论
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