Nov, 2017

PersonRank: 在图像中检测重要人物

PDF
TL;DR本研究中，我们采用多重超级交互图来推断各种线索估计下最活跃节点，建立一个人对人的双向对等交互图来对人对人间的关系进行建模，并引入了单向超级交互图来丰富人际交互估计，并修改了 PageRank 算法来准确推断出图中每个人的重要性，同时我们提供了一个新的数据集：多场景重要人物图像数据集和从 NCAA 篮球比赛视频提供的篮球图片数据集。我们的 PersonRank 算法明显且大幅优于其他相关方法。
hyper-interaction graphinteractionspersonrankdatasetncaa basketball image dataset
发现论文，激发创造
  • 学习关系以在静态图像中检测重要人物

    本文提出了一种人物重要性关系网络（POINT），通过结合关系建模和特征学习来实现对人物重要性的推断，其中我们推断出两种交互模块：人与人之间的交互模块和事件与人之间的交互模块，并从两种交互中估算出人与人之间的重要关系并编码，以此实现对人物的重要性分类，实验结果表明我们的方法对于重要人物的检测很有效。

    Apr, 2019

  • VIP: 在图像中寻找重要人物

    本文研究了集体照片中个体的重要性，并提出了一种衡量图片中人物重要性的方法，通过纯视觉线索自动预测人物重要性，在生成描述人群图片句子的应用（如 im2text）中，加入这种预测结果可以显著改善效果。

    Feb, 2015

  • 学习在未标记的图像中检测重要人物用于半监督重要人物检测

    本论文提出了一种使用部分注释的图像进行重要人物检测的方法，其中引入了伪标签分配的迭代学习方法，伪标签排名策略和两种加权策略，用于增强重要人物学习和忽略嘈杂的无标签图像，并证实了该方法的有效性。

    Apr, 2020

  • 通过无监督超图排名选择和融合进行人员再识别

    本项研究提出了一种流形排名聚合方法，对多个不同特征提取器产生的多样化排名列表进行完全无监督的选择和融合，进而提高了人物 Re-ID 的表现。

    Apr, 2023

  • 个人相片集中的人物识别

    提出一种基于卷积神经网络的人物识别系统，针对不同的身体线索和训练数据量的信息量，系统的常见故障模式进行了深入分析，并讨论了现有基准的局限性并提出更具挑战性的基准，其简单易用且在社交媒体照片数据集（PIPA）上达到了更好的成果。

    Sep, 2015

  • 个人照片集中的人物识别

    该论文提出了一种基于多图像区域（头部、身体等）的简单的人员识别框架，以应对社交媒体照片中的人员识别问题，并针对训练和测试样本之间的时间和外观差距提出了新的识别方法，该方法在 PIPA 基准上取得了最先进的结果，对不同的特征进行了深入的分析。

    Oct, 2017

  • 一种姿态敏感的个体再识别嵌入式表征方法：扩展的交叉领域再排序

    本文提出了一种有效的人物再识别方法，结合了 fine 和 coarse pose 信息的卷积神经网络，同时提出了一种新的无监督自动重排架构，取得了优异的效果。

    Nov, 2017

  • 超越正脸：利用多种线索改善人物识别

    本文介绍了 PPIPA 数据集，提出了一种基于深度卷积网络的 Pose Invariant PErson Recognition (PIPER) 方法来实现照片集中个体识别，实验证明该方法在处理姿态、服装、视角、分辨率和光照等变化时表现优于 DeepFace。

    Jan, 2015

  • 第一人称视角视频中重要物体的无监督学习

    本研究提出了一种基于交替网络和路径监督的无监督学习方法，不需要依赖摄像机佩戴者或第三方注释者的重要目标检测，该方法在两个不同的数据集上实现了与有监督学习类似或更好的结果。

    Nov, 2016

  • 在多人视频中检测事件和关键参与者

    本文提出了一种使用递归神经网络 (RNN) 和注意力机制识别多人事件的模型，成功应用于新采集的篮球数据集并取得了优异的分类和检测效果。

    Nov, 2015