RGB - 红外双向指数三元损失用于人员再识别

Jun, 2020

RGB - 红外双向指数三元损失用于人员再识别

Bi-directional Exponential Angular Triplet Loss for RGB-Infrared Person Re-Identification

Hanrong Ye, Hong Liu, Fanyang Meng, Xia Li

TL;DR本文提出了一种新颖的排名损失函数 Bi-directional Exponential Angular Triplet Loss，并采用常规空间批量归一化层来帮助稳定和学习嵌入向量的大小，以帮助学习一个角度可分的共同特征空间。在 SYSU-MM01 和 RegDB 数据集上进行的定量和定性实验证明了我们分析的有效性。

Abstract

rgb-infrared person re-identification (RGB-IR Re- ID) is a cross-modality matching problem, where the modality discrepancy is a big challenge. Most existing works use Euclidean metric based constraints to resolve the discrepancy between features of images from different modalities. How

rgb-infrared person re-identification angularly discriminative feature embedding ranking loss function common space batch normalization layer sysu-mm01 and regdb dataset

发现论文，激发创造

基于联合像素和特征对齐的 RGB - 红外交叉模态人员再识别

本文提出了一种新颖的端到端对齐生成对抗网络 (AlignGAN)，以联合像素和特征对齐减轻 RGB-IR RE-ID 任务中的跨模态和内模态差异，并学习一致身份特征，在 SYSU-MM01 数据集上取得了优于当前最先进方法的结果。

Oct, 2019

人员再识别的增量三元组间隔学习

此论文提出了一种多阶段训练方法和全局难样本挖掘方法来提高匹配度，通过实验展示在 Market-1501、CUHK03 和 DukeMTMCreID 等多个数据集上获得了比多数已有方法更高的性能表现。

Dec, 2018

一种用于 RGB - 红外交叉模态人员再识别的相似度推断度量

SIM 是一种新的相似度推理度量方法，它利用两个不同视角的内模态样本相似性来挖掘跨模态样本相似性，从而通过连续相似度图推理和互惠最近邻推理来解决 RGB - 红外交叉模态人员重新识别的问题。

Jul, 2020

基于角度正则化的视角感知损失用于人员再识别

提出了一种 Viewpoint-Aware Loss with Angular Regularization（VA-reID）方法，通过将不同视角的特征统一到一个超球体内，有效地模型人物的特征分布，在视角和身份级别上建模.

Dec, 2019

基于教师 - 学生 GAN 模型的 RGB-IR 跨模态人员重识别

利用基于 RGB-IR 的深度学习模型，通过两个 Teacher-Student GAN 模块相互引导，成功实现了在无光照条件下的人物跨域识别。在 SYSU-MM01 RGB-IR Re-ID 基准测试中，取得了 49.8% 的顶级成绩和 47.4% 的平均精度。

Jul, 2020

RGB - 红外人员再识别中的跨模态配对图像生成

本研究提出了一种新方法，通过生成跨模态的配对图像并进行全局和细粒度实例级别的对齐，使 RGB-IR Re-ID 的性能得到改善，实验证明该方法在两个标准基准测试中表现优于现有的最新技术。

Feb, 2020

超越三元组损失：利用细粒度差异感知成对损失进行人员再辨识

本文提出了一种新的用于人物 Re-IDentification 的对比损失函数，因为大多数现有方法采用三元组损失函数难以捕捉细节的外貌差异，该损失函数通过对图片间差异的指数级和有界级进行自适应惩罚，能够较大幅度地提高模型在四个基准数据集上的性能，同时也提升了数据的有效性。

Sep, 2020

超越三元组损失函数：人员再识别的深度四元组网络

本篇论文提出一种基于四元组损失和在线难负样本挖掘的四重神经网络用于人员再识别，相对于三元组损失，该方法在训练集和测试集中具有更好的泛化性能和更高的性能表现，并在多个代表性数据集上超过了大部分最先进算法，证明该方法的有效性。

Apr, 2017

G2DA: 基于几何引导的双重对齐学习用于 RGB - 红外人员再识别

提出了一种基于图匹配和最优传输计算的 RGB-IR ReID 模型，能够通过构建多尺度人体骨架图、匹配任务和信息融合等机制，确保跨模态图像的整体一致性、局部结构关联和语义特征的区分性。

Jun, 2021

RGB - 红外人员再识别的多特征空间联合优化网络 MSO

本文提出了一种新颖的多特征空间联合优化（MSO）网络，在单模态空间和公共空间中学习可共享特征，通过感知边缘特征（PEF）损失和交叉模态对比中心（CMCC）损失共同优化模型，显着提高了网络性能，在 cross-modality person re-identification 任务上优于现有的最先进方法。

Oct, 2021