ICCVApr, 2017

摄像头网络中自动人员再识别和网络拓扑推理的统一框架

PDF
TL;DR本论文提出了一种集成方案，旨在解决人员重新识别和摄像头网络拓扑推断问题，采用多摄像头网络环境并提供一个新的人员重新识别数据集 SLP，试验结果表明所提出的方法在人员重新识别和摄像头拓扑推断任务中具有良好的预测性能。
person re-identificationmulti-camera networkscamera network topologyframeworkslp dataset
发现论文，激发创造
  • 多摄像头下的联合行人再识别和摄像头网络拓扑推断

    该论文提出了一个统一框架，旨在解决大规模多摄像机网络下人员再识别及摄像机网络拓扑推断问题，通过提供 SLP 数据集，实验证明该方法在人员再识别及摄像机拓扑推断任务中具有很大的潜力。

    Oct, 2017

  • 开放世界动态摄像头网络中的无监督自适应重新识别

    该论文介绍了一个基于流形学习的动态摄像头网络中的人物重识别无监督学习方法，并提出了一个可利用最佳源摄像头信息改善多个摄像头间准确度的推理算法。该方法在四个基准数据集上的实验结果表明，明显优于现有的无监督学习方法且计算效率极高。

    Jun, 2017

  • 带多摄像头约束的无监督域自适应人重识别

    本文提出了一种基于环境约束的自适应网络，通过多相机约束提高伪标签的精度，将人物对信息无需使用标签即可用于模型训练，进一步应用选择人物的方法提高模型性能。该方法在公开数据集中表现超越最先进技术。这是第一篇关于实际环境中多相机约束下领域自适应学习的研究。

    Oct, 2022

  • 时空车辆重识别

    基于自适应 Parzen 窗方法和融合网络的空时域车辆重新识别框架在公共数据集（VeRi776）上取得 99.64% 的 rank-1 准确率，实验证明利用空时信息可以提高基于外观的方法的准确性并有效处理外观歧义。

    Sep, 2023

  • 学习视角特定的深度网络进行人员再识别

    本论文提出了基于深度神经网络的人物再识别方法，利用视角信息进行特征提取，采用交叉视角欧几里得约束和交叉视角中心损失对每个相机视角进行视角特定的网络学习，同时采用迭代算法优化网络参数，在 VIPeR、CUHK01、CUHK03、SYSU-mReId 和 Market-1501 基准测试上的表现优于现有深度网络和最先进的方法。

    Mar, 2018

  • 基于摄像头内部相似性的伪标签细化方法，用于无监督人员重识别

    该论文提出了一种基于聚类和标签细化的无监督行人重新识别方法，通过内部相机特征分布和自适应学习得到更加可靠的伪标签，取得了优于当前最先进方法的结果。

    Apr, 2023

  • 使用人重新识别的广基线多相机标定

    提出了一种使用人员重新识别作为建立相机之间对应关系的方法来实现大环境宽基线情况下相机 3D 姿态的估计。

    Apr, 2021

  • YOLORe-IDNet：一种用于个人追踪的高效多摄像头系统

    通过结合相关滤波器和交并比（IOU）约束的人物追踪系统，以及基于 YOLOv5 的深度学习模型进行跨摄像头人员再识别，快速实时跟踪嫌疑人，适用于安全监控应用。

    Sep, 2023

  • 使用假设传递学习进行人员重识别相机接入

    探索摄像头网络的动态适应性，通过假说转移学习和模型组合来进行知识传递，并在四个具有不同数量摄像头的基准数据集上进行了广泛的实验，证明了该方法的有效性。

    Jul, 2020

  • 一种新的无监督相机感知领域自适应人员重识别框架

    本论文提出了一种基于表示学习的无监督跨域人物再识别的深度领域自适应框架，通过解决数据分布差异、标记信息缺乏等问题，采用相机感知域自适应和在线三元捆绑等方法，实现了针对人物再识别特征的优化和提取，并在基准数据集上进行了实验和消融研究，展现了其卓越性能和有趣的属性。

    Apr, 2019