• 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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 《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 ...

  7. 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 ...

  8. 【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 ...

  9. 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

  1. spring 中属性scope 的prototype(有状态)和singleton(无状态)
  2. 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
  3. 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!...
  4. SQL技巧(多行合并一列)
  5. UltraEdit中显示空格与回车的问题
  6. mysql导数据出指定数量_mysql导出指定数据或部份数据的方法
  7. 算法高级(2)-多年以前的电脑算命是怎么回事?
  8. 个人计算机多核cpu好处,CPU是多核好还是高主频好?
  9. C4D R18-R21
  10. 使用Chrome inspect进行夜神模拟器里app的调试
  11. android 检测输入法,Android判断软键盘 输入法 是否显示
  12. 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
  13. Debian添加开机启动项
  14. 联想g40改Android,求大神帮忙,联想g40如何改win7系统?
  15. Python骚操作-微信远程控制电脑
  16. ffmpeg学习——音频源
  17. laravel-excel 表格 文档翻译笔记
  18. 阿里云发布的数加是什么鬼
  19. java多线程售票问题_使用java多线程实现火车站售票的问题
  20. http get请求参数放在url中和放在 header中有什么区别

热门文章

  1. 黑盒测试只会点点点 这些你都需要知道
  2. 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
  3. Web开发必学的8个网页优化技巧!
  4. java urlconnection乱码_HttpURLConnection 请求乱码
  5. OPencv像素操作
  6. opencv基本的图像处理函数
  7. freemarker 导出html格式word_如何导出 Kindle 上的读书笔记
  8. db文件 linux查看工具,Linux最大文件句柄数查看及修改
  9. AttributeError: ‘Model‘ object has no attribute ‘predict_classes‘ 的解决方案
  10. RNN隐藏层的两种计算方法GRU和LSTM