ECCV2018_Generalizing A Person Retrieval Model Hetero- and Homogeneously
- 基本思路:利用source domain和target domain进行混合训练,以domain adaption
a) Target domain利用camStyle进行各个摄像头的数据增强
b) Source和target经过ResNet50的baseline
c) 输出有两个branches:
- 一个是cross-entropy loss for classification
- 一个是triplet loss for similarity learning:source的anchor image,利用source label构建正样本对,然后再选择target image形成负样本对。
- 文章的Hetero-Homogeneous Learning
- 在训练阶段,每个batch包含了labeled source images,unlabeled real target images以及对应的camStyle生成的fake target images。这样,前二者是学习两个domain之间的关系,后两者学习到了target domain中的camera invariances。
- Discussion作者的讨论很有意思
- Change of image style caused by different cameras on target set is a key infuencing factor that should be explicitly considered in person re-ID UDA.
- 为了使每个mini-batch里面样本的id都不相同,作者比较了三种采样:一是随机采样;而是先对数据做k均值分类,然后每类选一张;第三是用target的标签进行监督式的。最后发现随机采样和监督的效果近似。
转载于:https://www.cnblogs.com/xiaoaoran/p/11327984.html
ECCV2018_Generalizing A Person Retrieval Model Hetero- and Homogeneously相关推荐
- Generalizing A Person Retrieval Model Hetero- and Homogeneously阅读总结
Generalizing A Person Retrieval Model Hetero- and Homogeneously Zhun Zhong, Liang Zheng, Shaozi Li,Y ...
- Generalizing A Person Retrieval Model Hetero- and Homogeneously
1.论文:Generalizing A Person Retrieval Model Hetero- and Homogeneously 2.代码:https://github.com/zhunzho ...
- 论文阅读Generalizing A Person Retrieval Model Hetero-and Homogeneously
论文阅读Generalizing A Person Retrieval Model Hetero-and Homogeneously 论文:Generalizing A Person Retrieva ...
- Joint Learning of Deep Retrieval Model and Product Quantization based Embedding Index
Joint Learning of Deep Retrieval Model and Product Quantization based Embedding Index 嵌入索引能够实现快速近似近邻 ...
- 信息检索实验2- Ranked retrieval model
目录 实验要求 实验内容 实验目的 实验环境 基本知识及实验原理详解 实验原理分析: 1.对tf-idf的详细理解 2.排序检索模型 3.相关示例 实验结果图 数据集处理 代码重要部分解释 相似度得分 ...
- 《introduction to information retrieval》信息检索学习笔记1 布尔检索
第1章 布尔检索 信息检索的定义:信息检索(IR)是从大型集合(通常存储在计算机上)中寻找满足信息需求的非结构化性质(通常是文本)的材料(通常是文档). 1.1一个信息检索的例子 问题描述:确定莎士比 ...
- Introduce to Inforamtion Retrieval读书笔记(1)
很好的一本书,介绍的非常全面,看了很久了,还没有看完,刚看完前十章,发现前面看的都忘的差不多了,还是回来记一下吧. Boolean Retrieval 一.information retrieval定 ...
- 【搜索排序】召回综述Semantic Models for the First-Stage Retrieval: A Comprehensive Review
Semantic Models for the First-Stage Retrieval: A Comprehensive Review 文章目录 管道 语义模型 1.召回 形式化 1.0 Inde ...
- ECCV 2018 完整论文集 -- List 下载链接
下文列表为ECCV2018官网得到了今年接收论文列表,共779篇: 下文为ECCV2018的全部接收论文汇总 Oral: Convolutional Networks with Adaptive Co ...
最新文章
- spring 中属性scope 的prototype(有状态)和singleton(无状态)
- css设置一个div显示在另一个div的上层_CSS工程中常见问题-1
- python画端午节_我想带你去旅行,我用Python提前做了一份端午旅游攻略,请收下!...
- SQL技巧(多行合并一列)
- UltraEdit中显示空格与回车的问题
- mysql导数据出指定数量_mysql导出指定数据或部份数据的方法
- 算法高级(2)-多年以前的电脑算命是怎么回事?
- 个人计算机多核cpu好处,CPU是多核好还是高主频好?
- C4D R18-R21
- 使用Chrome inspect进行夜神模拟器里app的调试
- android 检测输入法,Android判断软键盘 输入法 是否显示
- 06.输入系统:第10课第20节_输入系统_多点触摸_电容屏驱动程序
- Debian添加开机启动项
- 联想g40改Android,求大神帮忙,联想g40如何改win7系统?
- Python骚操作-微信远程控制电脑
- ffmpeg学习——音频源
- laravel-excel 表格 文档翻译笔记
- 阿里云发布的数加是什么鬼
- java多线程售票问题_使用java多线程实现火车站售票的问题
- http get请求参数放在url中和放在 header中有什么区别
热门文章
- 黑盒测试只会点点点 这些你都需要知道
- web前端好学吗?如何能提高CSS编写技巧 提高Web前端开发效率
- Web开发必学的8个网页优化技巧!
- java urlconnection乱码_HttpURLConnection 请求乱码
- OPencv像素操作
- opencv基本的图像处理函数
- freemarker 导出html格式word_如何导出 Kindle 上的读书笔记
- db文件 linux查看工具,Linux最大文件句柄数查看及修改
- AttributeError: ‘Model‘ object has no attribute ‘predict_classes‘ 的解决方案
- RNN隐藏层的两种计算方法GRU和LSTM