2018 CVPR:Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training
Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training
当前的问题及概述:
大多数现有的方法高度依赖bounding box,然而,由于实际场景的限制,目前的检测模型往往产生不准确的bounding box,进而避免了算法的性能。
本文提出了一种新的由粗到细的金字塔模型,该模型不仅融合了局部信息和全局信息,而且还强化了局部信息和全局信息之间的线索,避免了bounding box的不准确性带来的影响。可以从下图看到,由于bounding box的遮挡问题,可以将图片进行不等分的划分,在下图从local到global的过程中,少量的局部视图(左)不能很好地匹配,而那些全局视图(右)有更多相似的线索。
模型及loss:
2.1Coarse-to-Fine Pyramidal Model :
首先由backbone提取输入图像的feature map(C×H×W),再将feature map按照空间高度轴分为n个部分(C×(H/n)×w),本文n=6,金子特最底层(l=1)为n个部分,最顶层(l=n)为feature map M,其余层数见图2,也可以定义为(类似PCB模型):
对于金字塔P中的每个分支P{l, k},首先分别进行GMP和GAP后将这两个变量相加,形成具有相同编码通道大小的向量,后经过BN层和ReLU减少维数形成特征向量,表示为:x(l, k) = BO(P{l, k}),再输出给全连接层采用softmax loss作为ID loss进行分类:
同时通过triplet loss区分差异较大的部分,缩短差异较小的部分:
具体见图3:
本文采用动态训练策略,具体训练方式略。
实验:
数据集:Market-1501 , DukeMTMC-reID , CUHK03
不同网络比较:
消融实验:
其中,“0”表示不使用金字塔的相应级别,而“1”表示使用金字塔的相应级别。“Feature-64”表示每个分支的特征的维数为64。
总结:
面对单模态ReID的遮挡问题,目前常用的bounding box方法并不适用,本文提出由粗到细的金字塔结构以提取图像从local到global的特征,在通过feature map经金字塔结构提取到的特征通道后,经过GAP和GMP相加后输入给BN、ReLU得到不同粗细的特征,通过triplet loss进一步区分正样本和负样本,在输入给全连接层,通过softmax loss进行ID分类。
2018 CVPR:Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training相关推荐
- CVPR 2018摘要:第五部分
转自:http://ai.yanxishe.com/page/TextTranslation/1241 英文原文:What's In a Face (CVPR in Review V) 标签: 图像描 ...
- CVPR 2018摘要:第五部分
标题 What's In a Face (CVPR in Review V) CVPR 2018摘要:第五部分 by 啦啦啦2 01 What's In a Face (CVPR in Review ...
- 【论文阅读】[CVPR 2018] PU-Net: Point Cloud Upsampling Network. [tensorflow] [rec. oth.]
文章目录 [论文阅读][CVPR 2018] PU-Net: Point Cloud Upsampling Network. [tensorflow] [rec. oth.]
- CVPR 2018摘要:第一部分
原文链接:CVPR GAN部分 本文为 AI 研习社编译的技术博客,原标题 :NeuroNuggets: CVPR 2018 in Review, Part I作者 | Sergey Nikolenk ...
- 【医学+深度论文:F25】2018 CVPR Enhanced Optic Disk and Cup Segmentation with Glaucoma Screening from Fundus
25 2018 CVPR Enhanced Optic Disk and Cup Segmentation with Glaucoma Screening from Fundus Images usi ...
- 【医学+深度论文:F34】2018 CVPR Retinal Optic Disc Segmentation using Conditional Generative Adversarial
34 2018 CVPR Retinal Optic Disc Segmentation using Conditional Generative Adversarial Network datase ...
- 2018 CVPR GAN 相关论文调研 (自己分了下类,附地址哦)
2018 CVPR GAN 相关论文调研 风格迁移 1. PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Mak ...
- 2018 CVPR GAN 相关论文调研
2018 CVPR GAN 相关论文调研 风格迁移 1. PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Mak ...
- 中国移动互联网2018年度报告:八大关键词总结与十大趋势
中国移动互联网2018年度报告:八大关键词总结与十大趋势 2019年1月22日,中国商业智能服务商QuestMobile发布<中国移动互联网2018年度大报告>.在这份报告中,QuestM ...
- ssh连接出现:WARNING: REMOTE HOST IDENTIFICATION HAS CHANGED!
ssh连接出现:WARNING: REMOTE HOST IDENTIFICATION HAS CHANGED! 前言 具体 1.我先安装了第一台容器,并修改了ssh的配置文件 2.容器开启服务,宿主 ...
最新文章
- Clang:LLVM 的 C 语言家族前端
- MySQL数据库中的索引
- ubuntu 10.04 常用 设置
- Django 学习第十一天——中间键和上下文处理器
- PngEncoder_CreateInstance Failed writing PNG because unable to find libpng12.so.0
- 音视频互动平台--P2P通信技术
- 利用cookie的跨域单点登录的简单实现
- acer软件保护卡清除工具clear_如何清除 APT 缓存来回收宝贵的磁盘空间 | Linux 中国...
- 挖出一个面试刷题的宝藏资源,赶紧收下了~
- C++模板之一:函数模板.odt
- 74hc595级联c语言程序,74hc595级联程序范例
- OSG仿真案例(4)——创建烟雾粒子效果
- vuex 在typescript中的写法
- 浅析那些带着“主角光环“的泰坦尼克号幸存者(下)
- JavaScript 中的事件对象(读书笔记思维导图)
- android9 三星 港版,【极光ROM】-【三星S20+(国行/港版/台版/韩版/美版) G986X-高通865】-【V9.0 Android-R-UB6】...
- 五款不错的Web前端开发工具,对小白来说完全够用了!
- Spring整合JsonRpc
- 单因素方差分析(R)
- 配置zigbee模块