Jul, 2019

增强可见 - 热交叉模态人员再识别的判别特征学习

PDF
TL;DR本研究提出了增强可辨别特征学习（EDFL）方法来解决跨模态缺陷和内模态差异问题，同时采用双流卷积神经网络结构以学习多模态共享人物特征，获得了比现有技术明显更好的性能表现，实现了可视 - 热成像人物再识别。
person re-identificationvisible-thermal cross-modalitydiscriminative feature learningthermal camerassurveillance system
发现论文，激发创造
  • 通过对齐学习：利用跨模态对应关系进行可见光 - 红外人员再识别

    本研究提出了一种新颖的特征学习框架，通过利用密集对应的交叉模态人物图像，像素级地抑制与模态相关的特征，从而更有效地促进交叉模态本地特征的判别式特征学习，从而解决了可见 - 红外人物重识别的问题。

    Aug, 2021

  • 可见 - 红外人物再识别的隐性判别知识学习

    可见光红外人物再识别是一项具有挑战性的跨模态行人检索任务，该研究提出了一种新颖的隐式判别知识学习网络 (IDKL)，通过提取模态特定和模态共享特征，减少模态风格差异并提升识别知识，实现了对隐含判别信息的利用，进一步强化模态共享特征的独特性，以最小化模态差异。与现有方法相比，实验结果表明 IDKL 网络具有优越性能。

    Mar, 2024

  • 可见光 - 红外跨模态人员再识别的高效框架

    本论文提出了一种四流框架，通过深度卷积神经网络中不同的输入图像表示来学习不同的特征，从而改善可见光 - 红外人员重识别系统的性能。实验结果表明，该框架在多个数据集上优于当前最先进的方法。

    Jul, 2019

  • 可见光热像人物再识别中的参数共享探索和基于异质中心的三元组损失

    本文提出了针对 VT Re-ID 任务的一种基于两流网络的可见 - 热交叉模态人员重新识别方法，探索了参数共享对该任务的影响，并通过提出异中心三元组损失函数进一步提升了识别效果。实验证明，该方法在两个数据集上的表现显著优于已有方法，成为 VT Re-ID 领域的新基准。

    Aug, 2020

  • 频域模态不变特征学习在可见 - 红外人员再识别中的应用

    通过频域透视角度降低现有频域可见光红外人物再识别方法中的模态差异问题，通过引入实例自适应振幅滤波模块和短语保持归一化模块强化模态不变振幅分量并抑制模态特定分量，研究结果表明我们的模型在 SYSU-MM01 和 RegDB 两个标准数据集上性能优越。

    Jan, 2024

  • Hi-CMD: 可见光 - 红外分层交叉特征解耦用于人体重识别

    本篇论文提出了一种基于 Hierarchical Cross-Modality Disentanglement 的方法，该方法使用 ID-discriminative factors 用于跨模式匹配，并使用 ID-preserving person image generation network 和 hierarchical feature learning module 生成一个新的跨模态图像来学习可见 - 红外图像的共同 ID 判别特征。

    Dec, 2019

  • 跨模态人脸识别的深度感知映射

    本文提出了一种利用深度神经网络来捕捉 2 种不同模式下人脸匹配问题的非线性映射关系，以达到跨模式人脸匹配的目的，并在 3 个数据集上获得了相当大的识别率提升。

    Jan, 2016

  • 面向可见光红外人员再识别的同质化模态学习和多粒度信息探索

    本文提出一种基于 Aligned Grayscale Modality (AGM) 的跨模态人员重识别方法，通过生成灰度可见光图像和风格迁移转换红外图像得到一致的数据，再结合多颗粒度特征提取网络在特征级别进行对齐，能够显著提高跨模态检索表现。

    Apr, 2022

  • 基于高阶结构的中间特征学习用于可见 - 红外人员再识别

    通过引入高阶结构信息的中级特征学习网络，有效解决了可见光 - 红外人物再识别中高阶结构信息的忽略、模态差异导致特征空间难学习的问题，并在多个数据集上取得了优于现有方法的性能。

    Dec, 2023

  • 可见光 - 红外人员再识别的动态双关注聚合学习

    本文提出了动态双重注意聚合（DDAG）学习方法，通过挖掘 VI-ReID 中的模态内部部分级别和跨模态图级别的上下文线索，提取具有较强辨别力和噪声鲁棒性的聚合特征，从而提高了检索精度。

    Jul, 2020