Jul, 2018

使用对齐和虚构技术的部分人员重新识别

PDF
TL;DR本文提出了基于部分人员重识别技术的部分匹配网络（PMN），该技术可检测人体关节、对齐局部视图、通过一些信息和具有学习能力的人员模型来逐步恢复缺失的部分，并将对齐和重建后的视图结合起来用于图像匹配，实验证明该方法在三个数据集上有显着的改善。
partial person re-identificationcctv surveillancepartial matching netbody joints detectionmissing parts hallucination
发现论文，激发创造
  • 人物重识别的深度学习部分对齐表示

    本文提出了一种针对人员重新识别问题的方法，即利用人体部分对齐表示以应对身体部位不对齐问题，并通过深度神经网络学习三个步骤，以最小化三元组损失函数来进行学习，这种方法可以更好地应对姿态变化和不同的空间分布情况，并在标准数据集上展现出最优结果。

    Jul, 2017

  • 感知焦点：学习可见性感知的部位特征，用于局部人员重新识别

    本文提出了一种 Visibility-aware Part Model (VPM)，该方法通过自我监督学习可以感知区域的可见性以提取区域级特征，并专注于两个图像上的共享区域，有助于部分重新识别任务的更高准确度。

    Apr, 2019

  • 部分人员再识别的深度空间特征重构：无需对齐的方法

    本文提出了一种基于完全卷积神经网络的快速准确的匹配方法，结合了深度空间特征重建和字典学习模型来映射不同的部分人物图像以解决局部人物再识别问题，并在多个数据集上进行的实验证明了该方法的有效性和效率。

    Jan, 2018

  • 人物再识别的部分对齐双线性表示

    本文提出了一种新的网络，通过两个流对人体的外观特征和身体部位特征进行提取，使用双线性池化层生成和空间池化对齐后的部分特征图，从而有效地解决了人体部位错位问题，并且在不需要对其进行任何标注的情况下对整个网络进行训练。

    Apr, 2018

  • 水平金字塔匹配的人员再识别

    通过提出的 Horizontal Pyramid Matching 方法，我们可以在一定程度上减缓由于缺失身体部位而出现的识别失败情况，通过对不同的部分进行分类来增强各个人物部位的辨别能力，在全局和局部方面运用平均和最大池化策略来区分不同的人物信息，并在三个流行的基准测试中分别获得马记得 1501，DukeMTMC-ReID 和 CUHK03 的 mAP 分别为 83.1％，74.5％和 59.7％，从而达到新的最佳水平。

    Apr, 2018

  • 超越人类身体：用于人员再识别的双部分对齐表示

    本文提出了一种基于人体解析模型和自注意力机制获取其它目标区域信息的方法，实现了在三个基准数据集上的最新性能，提高了人物重识别的准确性。

    Oct, 2019

  • 野外人物搜索的鲁棒部分匹配

    本文提出了一种针对人员搜索的 Align-to-Part 网络，可以解决由遮挡等因素导致的检测边界框不精确问题，并且还建立了大规模的人员搜索数据集 LSPS。实验证明，该网络在 LSPS 上具有显著的性能提升，并且在 CUHK-SYSU 和 PRW 等基准测试上也取得了竞争性的表现。

    Apr, 2020

  • 姿态引导的可见部位匹配用于遮挡人员识别

    该论文提出一种基于姿态引导可见部分匹配 (PVPM) 方法，该方法在端到端框架中通过姿态引导注意力和自我挖掘部分可视性来共同学习判别特征以识别受遮挡的人物。实验结果表明，该方法在三个报道的受遮挡基准测试中达到了与最先进方法相媲美的性能。

    Apr, 2020

  • 通过匹配组合模板和群集抽样进行人员再识别

    本文针对视觉监控中的一项新兴任务，通过匹配人体信息在距离上重新识别人的问题进行了研究，并提出了一种基于部件和替代组成的简单而富有表现力的模板，以及一种带有聚类抽样的有效匹配算法，实验表明该方法在三个公共数据库上具有更优秀的性能。

    Feb, 2015

  • 人员再识别关系网络

    本研究提出了一种新的人物再识别关系网络，考虑了个体身体部位之间以及部位与其他部位之间的相互关系，有效提高了特征辨别能力，同时使用全局对比池化方法获取人物图像的全局特征，该方法已在多个数据集上实证表明其优越性。

    Nov, 2019