论文笔记008：[CVPR2016]Deep Relative Distance Learning: Tell the Difference Between Similar Vehicles

摘要

在公共安全领域，监控摄像头的使用日益激增，突显出从大规模图像或视频数据库中搜索车辆的重要性。然而，与行人重识别或人脸识别相比，车辆搜索问题长期以来一直被视觉界研究者所忽视。本文重点研究一个有趣但具有挑战性的问题，车辆再识别(即精确的车辆搜索)。引出研究的问题
我们提出了一种深度相对距离学习(Deep Relative Distance Learning, DRDL)方法，该方法利用双分支深度卷积网络将原始车辆图像投影到一个欧式空间，在这个空间中，距离可以直接用于测量任意两辆车辆的相似性。引出方法，Metric Learning
为了进一步促进未来对这一问题的研究，我们还提出了一个精心组织的大规模图像数据库VehicleID，其中包括同一辆车的多个图像，由不同的现实世界摄像机在城市中捕获。提出数据集VehicleID
我们在VehicleID数据集和另一个最近发布的车辆分类数据集CompCars上评估了我们的DRDL方法，并进行了三组实验:车辆重识别、车辆模型验证和车辆检索。实验结果表明，我们的方法可以达到预期的结果，并优于目前最先进的方法。

数据集

1.数据集的一个概述：同一个id的不同视角的4张图片，一共20个id

2.展示的是250款车型每一款拥有的数量

3.The quantity distribution of “VehicleID” is demonstrated in Table 1 and Table 2.

实验

它在车辆重识别、车辆模型验证和车辆检索都有相应的证明实验，我现在主要看车辆重识别方向的。

1.各个方法在VehicleID数据集上的CMC性能

2.将数据集分为了Samll，Medium，Large三个scale

我的思考

这篇文章主要的贡献提出了一个VehicleID数据集，方法的话很easy就是triplet loss，计算两辆车的距离的相似度。然后关于提出数据集的话，图像的展示和不同scale划分这里是得到了启发。

论文笔记008：[CVPR2016]Deep Relative Distance Learning: Tell the Difference Between Similar Vehicles相关推荐

【论文笔记】Unsupervised Deep Embedding for Clustering Analysis（DEC）
[论文笔记]Unsupervised Deep Embedding for Clustering Analysis(DEC) 文章题目:Unsupervised Deep Embedding for ...
论文笔记：Non-Profiled Deep Learning-based Side-Channel attacks with Sensitivity Analysis（DDLA）
论文笔记:Non-Profiled Deep Learning-based Side-Channel attacks with Sensitivity Analysis(DDLA) Benjamin ...
论文笔记：Meta-attention for ViT-backed Continual Learning CVPR 2022
论文笔记:Meta-attention for ViT-backed Continual Learning CVPR 2022 论文介绍论文地址以及参考资料 Transformer 回顾 Self- ...
论文笔记2：Deep Attention Recurrent Q-Network
参考文献:[1512.01693] Deep Attention Recurrent Q-Network (本篇DARQN) [1507.06527v3] Deep Recurrent Q-Learn ...
论文笔记VITAL: VIsual Tracking via Adversarial Learning
论文笔记VITAL: VIsual Tracking via Adversarial Learning 1. 论文标题及来源 2. 拟解决问题 3. 解决方法 3.1 算法流程 4. 实验结果 4.1 ...
论文笔记——Fair Resource Allocation in Federated Learning
论文笔记--Fair Resource Allocation in Federated Learning 原文论文链接--http://www.360doc.com/content/20/0501/1 ...
【论文笔记】 LSTM-BASED DEEP LEARNING MODELS FOR NONFACTOID ANSWER SELECTION
一.简介这篇论文由IBM Watson发表在2016 ICLR,目前引用量92.这篇论文的研究主题是answer selection,作者在这篇论文基础上[Applying Deep Learnin ...
论文笔记（十六）：Learning to Walk in Minutes Using Massively Parallel Deep Reinforcement Learning
Learning to Walk in Minutes Using Massively Parallel Deep Reinforcement Learning 文章概括摘要 1 介绍 2 大规模并 ...
【论文笔记】Multi-task deep learning based CT imaging analysis for COVID-19 pneumonia: Classification and
声明不定期更新自己精度论文,通俗易懂,初级小白也可以理解涉及范围:深度学习方向,包括 CV.NLP.Data Fusion.Digital Twin 论文标题:Multi-task deep le ...

论文笔记008：[CVPR2016]Deep Relative Distance Learning: Tell the Difference Between Similar Vehicles

摘要

数据集

实验

我的思考

论文笔记008：[CVPR2016]Deep Relative Distance Learning: Tell the Difference Between Similar Vehicles相关推荐

最新文章

热门文章