cvpr 2017 re-id papers

https://zhuanlan.zhihu.com/p/28749411
https://zhuanlan.zhihu.com/p/29053615

Learning Deep Context-Aware Features Over Body and Latent Parts for Person Re-Identification
作者是中科院的Dangwei Li等。这篇工作是multi-class person identification tasks，主要创新有三点：（1）用空洞卷积（dilated conv）进行多尺度特征提取，减少传统CNN提取特征的信息损失；（2）利用Spatial Transformer Networks (STN，其中作者设置了三个参数限制) 提取可变的body-part，相比较于rigid divid, 能减少背景的影响；（3）将full body特征和parts特征融合，在identification classification 指导下，学习网络参数。
Beyond Triplet Loss: A Deep Quadruplet Network for Person Re-Identification
在传统的三元组中增加一个negative sample, (x,xp,xn1,xn2). 在原始的triplet loss上增加约束d(x,xp)< d(xn1,xn2)
Spindle Net: Person Re-identification with Human Body Region Guided Feature Decomposition and Fusion
code : https://github.com/yokattame/SpindleNet
香港中文大学的王小刚等的论文。
本文的创新点：（1）针对disassigned image pair, 作者提出先用Region Proposal Net-work (RPN) 提取7个身体区域：头颈，上身，下身，双胳膊，双腿。
（2）设计一个基于global + local features的模型（特征提取网络 FEN）
（3）特征融合网络（FFN） Tree+max
Re-Ranking Person Re-Identification With k-Reciprocal Encoding
（1）定义了k-互惠编码（K-Reciprocal 编码）
（2）求k-reciprocal 特征
（3）计算Jaccard距离
（4）和原始距离融合
Person Re-Identification in the Wild
code:https://github.com/liangzheng06/PRW-baseline
考虑不同的检测算法对re-id性能的影响。详细总结可参考博客：http://blog.csdn.net/he_is_all/article/details/61928958
Scalable Person Re-identification on Supervised Smoothed Manifold
华科白翔老师实验室的paper. 提出mandifold-based affinity learing for re-id。该方法能够：（1）利用pairwise约束（2）可以用大大数据集上（3）可作为其他方面的后处理阶段。
方法很好，但是实在是看不懂。。。。。。。
One-Shot Metric Learning for Person Re-identification
传统方法。作者提出将纹理和颜色分开学习距离测量。
（1）用灰度图像输入到DCNN，得到纹理特征
（2）设置针对re-id的色卡，仅用一对图像得到测量。不懂。
效果一般。。。
Point to Set Similarity Based Deep Feature Learning
for Person Re-identification
西安交大的Sanping Zhou等
（1）提出一个point to set的 Similarity 测量方法。
（2）基于身体部分的网络架构。

8. Fast Person Re-identification via Cross-camera Semantic Binary Transformation.
Hash 函数学习
9. See the Forest for the Trees: Joint Spatial and Temporal Recurrent Neural Networks for Video-Based Person Re-Identification
10. Consistent-Aware Deep Learning for Person Re-Identification in a Camera Network
本文研究camera network based person re-id, 针对多camera中识别的一些不一致问题，提出一致性的深度学习。

cvpr 2017 re-id papers相关推荐

CVPR 2017论文集锦
计算机视觉顶会之一的CVPR2017将于7月21日至7月26日在夏威夷举行.下面为目前关于CVPR2017的论文解读的文章总结.欢迎大家收藏并推荐~(小助手微信:Extreme-Vision) 所有文 ...
CVPR 2017精彩论文解读：综合使用多形态核磁共振数据的3D生物医学图像分割方法 | 分享总结...
雷锋网 AI 科技评论按:计算机视觉盛会 CVPR 2017已经结束了,雷锋网 AI 科技评论带来的多篇大会现场演讲及收录论文的报道相信也让读者们对今年的 CVPR 有了一些直观的感受. 论文的故事还 ...
年度最精彩研究，CVPR 2017六篇最佳论文介绍（附打包下载）| CVPR 2017
雷锋网 AI 科技评论按:CVPR 2017的获奖论文已经在大会的第一天中公布,共有6篇论文获得四项荣誉.雷锋网 AI 科技评论对6篇获奖论文做了简要介绍如下. CVPR最佳论文本届CVPR共有两篇 ...
卷积神经网络学习路线（十七） | Google CVPR 2017 MobileNet V1
前言这是卷积神经网络的第十七篇文章,Google 2017年发表的MobileNet V1,其核心思想就是提出了深度可分离卷积来代替标准卷积,将标准卷积分成Depthwise+Pointwise两部 ...
CVPR 2017 全部及部分论文解读集锦
转发链接:http://mp.weixin.qq.com/sbiz=MzI5MDUyMDIxNA==&mid=2247484464&idx=1&sn=b852980edd194 ...
错过CVPR 2017？绝对不能错过GAIR大讲堂——上海交大专场开启报名
CVPR(国际计算机视觉与模式识别会议)是IEEE 举办的年度学术性会议,会议主要关注计算机视觉与模式识别等方面的技术内容.在各种学术会议统计中,CVPR 有着非常强的影响力和高排名.在美国夏威夷刚刚 ...
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
CVPR 2017 追踪之论文纲要(修正于2020.08.28) 讲在前面论文目录讲在前面论坛很多博客都对论文做了总结和分类,但就医学领域而言,对这些论文的筛选信息显然需要更加精细的把控,所以自 ...
CVPR 2017:Interspeices Knowledge Transfer for Facial KeyPoint Detection（跨物种脸部关键点检测知识迁移）
CVPR 2017: Interspeices Knowledge Transfer for Facial KeyPoint Detection(跨物种脸部关键点检测知识迁移) 一.介绍本文主要涉及 ...
论文笔记 Multiple Instance Detection Network with Online Instance Classifier Refinement - CVPR 2017
Multiple Instance Detection Network with Online Instance Classifier Refinement 华中科大Peng Tang, Xingga ...
论文阅读笔记 | (CVPR 2017 Oral) Look Closer to See Better：RA-CNN
论文来自微软亚洲研究院,做细粒度分类. 论文下载:Look Closer to See Better:Recurrent Attention Convolutional Neural Network ...

cvpr 2017 re-id papers

cvpr 2017 re-id papers相关推荐

最新文章

热门文章