梦里风林
  • Introduction
  • Android
    • activity
      • Activity四种启动模式
      • Intent Flag
      • 多task的应用
      • Task和回退栈
    • sqlite
      • 【源码】CursorWindow读DB
      • Sqlite在Android上的一个Bug
    • Chromium
    • ListView读取DB数据最佳实践
    • Android Project结构
    • 一个由Proguard与FastJson引起的血案
    • 琐碎的一些tips
  • Computer Vision
    • 特征提取
    • 三维视觉
    • 计算机视觉常用工具
    • 浅谈深度学习数据集设计
    • 随笔
  • Machine Learning
    • 技巧
      • FaceBook: 1 hour training ImageNet
      • L2 Norm与L2 normalize
    • 实践
      • Pytorch实验代码的亿些小细节
    • 工具
      • Tensorflow学习笔记
      • MXNet踩坑手记
      • PyTorch踩坑手记
      • PyTorch模型剪枝
      • Keras踩坑手记
      • mscnn
      • Matlab
        • Matlab Remote IPC自动化数据处理
    • Papers
      • Classification
      • Re-identification
        • CVPR2018:TFusion完全解读
        • ECCV2018:TAUDL
        • CVPR2018:Graph+reid
        • Person Re-identification
        • CVPR2016 Re-id
        • Camera topology and Person Re-id
        • Deep transfer learning Person Re-id
        • Evaluate
      • Object Detection
        • 读论文系列·干货满满的RCNN
        • 读论文系列·SPP-net
        • 读论文系列·Fast RCNN
        • 读论文系列·Faster RCNN
        • 读论文系列·YOLO
        • 读论文系列·SSD
        • 读论文系列·YOLOv2 & YOLOv3
        • 读论文系列·detection其他文章推荐
      • Depth
      • 3D vision
        • 数据集相关
        • 光流相关
      • Hashing
        • CVPR2018: SSAH
      • 大杂烩
        • CNCC2017 琐记
        • ECCV 2016 Hydra CCNN
        • CNCC2017深度学习与跨媒体智能
        • MLA2016笔记
    • 《机器学习》(周志华)读书笔记
      • 西瓜书概念整理
        • 绪论
        • 模型评估与选择
        • 线性模型
        • 决策树
        • 神经网络
        • 支持向量机
        • 贝叶斯分类器
        • 集成学习
        • 聚类
        • 降维与度量学习
        • 特征选择与稀疏学习
        • 计算学习理论
        • 半监督学习
        • 概率图模型
        • 规则学习
        • 强化学习
        • 附录
  • Java
    • java web
      • Servlet部署
      • 琐碎的tips
    • JNI
    • Note
    • Effective Java笔记
  • 后端开发
    • 架构设计
    • 数据库
    • java web
      • Servlet部署
      • 琐碎的tips
    • Spring boot
    • django
    • 分布式
  • Linux && Hardware
    • Ubuntu安装与初始配置
    • 树莓派相关
      • 树莓派3B+无线网卡监听模式
      • TP-LINK TL-WR703N v1.7 openwrt flashing
  • Python
    • django
    • 原生模块
    • 设计模式
    • 可视化
    • 常用库踩坑指南
  • web前端
    • header div固定,content div填充父容器
    • json接口资源
  • UI
  • kit
    • vim
    • git/github
      • 刷爆github小绿点
    • Markdown/gitbook
      • 琐碎知识点
      • gitbook添加disqus作为评论
      • 导出chrome书签为Markdown
      • Markdown here && 微信公众号
    • LaTex
      • LaTex琐记
    • 科学上网
    • 虚拟机
  • thinking-in-program
    • 怎样打日志
  • 我的收藏
  • 琐记
    • 论文心得
    • 深圳买房攻略
  • 赞赏支持
由 GitBook 提供支持
在本页
  • Part-based-CNN
  • Spatial Constraints
  • Pose-aware
  • Hierarchical Gaussian Descriptor
  • RNN-CNN
  • Cross-Dataset Transfer Learning
  • domain-based-cnn
  • Video-Based-Top-Push-Multi-shot
  • Distance-metric:null-Foley-Sammon-transfer
  • 根据样本调节距离函数-SVM

这有帮助吗?

  1. Machine Learning
  2. Papers
  3. Re-identification

CVPR2016 Re-id

上一页Person Re-identification下一页Camera topology and Person Re-id

最后更新于6年前

这有帮助吗?

Part-based-CNN

  • DataSet: i-LIDS, PRID2011, VIPeR and CUHK01

  • 同时调整特征提取和距离测量公式的参数

  • 提取身体部分的特征和全身特征作为一个特征

Spatial Constraints

  • 提取身体部分特征和全身特征共同计算相似度

  • dataset:VIPeR, GRID, 3DPES, Market-1501

Pose-aware

  • 根据移动路径判断姿态,对其他姿态图像做推断,并用推断结果做match

  • CUHK02 [12] and VIPeR [8], iLIDS-Vid [19], PRID 2011 [9] and 3DPeS [3]

Hierarchical Gaussian Descriptor

  • 对图片做切片,找一个能描述切片像素数据分布的高斯分布

  • 逐级整合各个切片的高斯分布

  • VIPeR [12], CUHK01 [20], GRID [26], PRID450S [33] and CUHK03 [21].

RNN-CNN

  • 两组图片,分别通过CNN+RNN得到特征

  • 特征分别用identity目标做优化,用recognize目标做优化

  • iLIDS-VID and PRID-2011

Cross-Dataset Transfer Learning

  • 用一个有标签数据集训练特征表达模型,分解出数据集共用的模式和数据集独有的模式

  • 字典学习,找到各个数据集共用的字典

  • 将模型应用在无标签无监督聚类上

  • VIPeR PRID CUHK01 CAVIAR iLIDS

domain-based-cnn

  • 先将所有数据集混合在一起,训练CNN做分类

  • 逐个去掉神经元,观察在不同数据集中损失函数的变化,变化少的说明这个神经元对这个domain没用

  • 对每个神经元,根据神经元对loss的影响,设置一个因数据集不同而不同的dropout值

  • 实现对不同数据集有不同的预测能力

  • CUHK03,CUHK01,PRID,VIPeR (I cannot find the link to the original dataset. This is my previous backup version.),3DPeS,i-LIDS (I cannot find the link to the original dataset. This is my previous backup version.),Shinpuhkan (need to send an email to the authors)

Video-Based-Top-Push-Multi-shot

  • 多匹配

  • 按匹配程度排序,避免因顺序或者帧刚好错开导致的低效匹配和误判

  • PRID 2011 [8] and iLIDS-VID

Distance-metric:null-Foley-Sammon-transfer

  • 将同个人的所有图的特征投射为一个点(同个类中的特征是可以被投射到一个点中的)

  • 使得不同人的点的距离尽量远

  • 将这个方法应用在re-id上

  • VIPeR [11], PRID2011 [14], CUHK01 [19], CUHK03 [19] and Market1501

根据样本调节距离函数-SVM

  • 学习一个SVM模型做分类,从中学到两个字典和一个映射矩阵,通过这三个东西,关联特征空间和权重空间

  • 权重即为距离测量时用到的参数

  • VIPER, QMUL GRID, PRID, CUHK01, CUHK03,OpeRID

使用,同时缩小类内差异,增大类间差异

triplet loss