May, 2017

IAN：面向人物搜索的个体聚合网络

PDF
TL;DRProposed individual aggregation network optimizes feature representations to accurately localize persons in real-world scenarios, achieving superior results on benchmarks such as CUHK-SYSU and PRW.
person searchbounding boxesindividual aggregation networkcenter lossfeature representations
发现论文，激发创造
  • 人员再识别的交互和聚合网络

    本研究提出了 Interaction-and-Aggregation (IA) 网络结构，利用 Spatial IA 和 Channel IA 模块增强卷积神经网络对人的特征表示能力，并在三个基准数据集上验证了其在人员再识别领域的卓越性。

    Jul, 2019

  • 基于 GAN 场景合成的跨场景视频领域自适应人物搜索

    通过使用生成对抗网络，本研究设计了一种生成高质量跨身份场景合成的模型，用于人物搜索任务，实验证明该方法能够有效增加数据集的多样性和真实性。

    Aug, 2023

  • 人员搜索的联合检测和身份识别特征学习

    提出了一种新的深度学习框架，该框架通过在线实例匹配损失函数联合处理行人检测和人物再识别，用于行人搜索，并提供了一个大型数据集进行验证。该方法在结果与收敛速度上优于传统 Softmax 损失函数。

    Apr, 2016

  • 大规模人员再识别的行人对齐网络

    该论文提出了一种名为 PAN（行人对齐网络）的算法，该算法采用卷积神经网络进行表示学习和行人对齐，以解决行人重识别中的对齐问题，并在三个大规模数据集上展示了具有竞争性的准确性。

    Jul, 2017

  • 基于文本的人物搜索中的图像特定信息抑制和隐式局部对齐

    本论文提出了一种有效的联合信息和语义对齐网络 (ISANet) 用于文本驱动的人物搜索，该网络能够准确定位和对齐图像和文本之间的信息，并能够适应性地聚合图像和文本特征以实现本地细粒度对应关系和全局对齐，并在多个数据库上取得了优越的性能。

    Aug, 2022

  • 基于开放世界用户生成视频内容的人物搜索的通用性

    我们探索了增强人物搜索模型的域外泛化能力，并提出了一个可推广的框架，通过引入基于多任务原型的领域特定批量归一化和通道相关的特征去相关策略来促进任意场景中的下游任务。

    Oct, 2023

  • IAUnet：全局上下文感知人员再识别特征学习

    本文提出了一种新的块，IAU，它综合利用时空信息以提高 person reID 任务的性能，并通过轻量级、端到端的设计，可以轻松插入到现有的 CNN 中。实验表明，IAU 在图像和视频重新识别任务上表现优异，并在一般对象分类任务上取得了令人信服的结果。

    Sep, 2020

  • 端到端人员检索和重新识别集成网络

    本文提出了一种行人检测和重新识别（re-id）集成网络（I-Net），用于实现端到端学习框架，以在实际视频监控场景中搜索目标人员，展示了其在人物搜索数据集上优越的性能。

    Apr, 2018

  • 免锚人员搜索

    本文提出了一种基于 AlignPS 的 anchor-free 框架来解决人物搜索问题，包括行人检测和人物重新识别，通过对齐特征聚合模块，实现更鲁棒的特征嵌入，显著提高了基线 anchor-free 模型的性能。

    Mar, 2021

  • CIAGAN: 有条件身份匿名的生成对抗网络

    该论文提出了一种基于条件生成对抗网络的图像视频去标识化模型 CIAGAN，可以同时保证匿名性和多样性，用于保护隐私并在计算机视觉任务中得到高质量处理结果。

    May, 2020