橙同学的学习笔记

摘要： Introduction 文章主要提出了 Dynamic Graph Matching（DGM）方法，以非监督的方式对多个相机的行人视频中识别出正确匹配、错误匹配的结果。本文主要思想如下图： 具体而言：方法采用迭代的方式，每次迭代生成一个二部图（bipartite），估计标签并学习区分矩阵。通过不断 阅读全文

摘要： Introduction （1）Motivation： 当前的行人重识别方法都只能在标准的数据集上取得好的效果，但当行人被遮挡或者肢体移动时，往往效果不佳。 （2）Contribution： ① 提出了一个基于区域的适应性质量估计网络（adaptive region-based quality es 阅读全文

摘要： Approach 特征由两部分组成：space-time特征和外貌特征。space-time特征由HOG3D【传送门】提取，其包含了空间梯度和时间动态信息；外貌特征采用颜色直方图【传送门】和LBP【传送门】特征，并对同一个行人的所有帧采用平均池化。 定义训练集 ，其中 是从标记为 yi 的行人视频中 阅读全文

摘要： Introduction 本文的贡献：提出了基于视频的行人重识别模型：Appearance and Motion Enhancement Model（AMEM）。该模型对两类信息进行提取：提出了Appearance Enhancement Module（AME），采用行人属性学习提取行人的样貌特征； 阅读全文

摘要： Introduction （1）Motivation： 当前的一些video-based reid方法在特征提取、损失函数方面不统一，无法客观比较效果。本文作者将特征提取和损失函数固定，对当前较新的4种行人重识别模型进行比较。 （2）Contribution： ① 对四种ReId方法（tempora 阅读全文

摘要： Introduction （1）Motivation： 大量标记数据成本过高，采用半监督的方式只标注一部分的行人，且采用单样本学习，每个行人只标注一个数据。 （2）Method： 对没有标记的数据生成一个伪标签（pseudo labels），将标记的数据和部分伪标签的数据作为扩充数据集进行训练。 但 阅读全文

摘要： Introduction （1）Motivation： 当前采用CNN-RNN模型解决行人重识别问题仅仅提取单一视频序列的特征表示，而没有把视频序列匹配间的影响考虑在内，即在比较不同人的时候，根据不同的行人关注不同的部位，如下图： （2）Contribution： 将注意力模型考虑进行人重识别中，提 阅读全文

摘要： Introduction 该文章首次采用深度学习方法来解决基于视频的行人重识别，创新点：提出了一个新的循环神经网络架构（recurrent DNN architecture），通过使用Siamese网络（孪生神经网络），并结合了递归与外貌数据的时间池，来学习每个行人视频序列的特征表示。 Method 阅读全文

摘要： Introduction （1）Motivation:在现实场景中，摄像头会因为故障呈现灰白色，或者为了节省视频的存储空间而人工设置为灰白色。灰度图像(grayscale images)由8位存储，而彩色图像由24位存储。在节省存储空间的同时，也带来了信息丢失的问题，增加了行人重识别的难度。 通过对 阅读全文

摘要： Introduction （1）Motivation： 监控视频中的行人，有的比较清晰，有的因为距离较远非常模糊. 在高低分辨率方面的行人重识别缺乏数据集和研究. （2）Contribution： ① 提供了一个关于高低分辨率问题（person re-identification between l 阅读全文