Sep, 2021

高效的人物搜尋：一種無錨定方法

PDF
TL;DR本研究提出一种基于 AlignPS 框架的人物检索网络，采用 anchor-free 检测器，引入对齐特征聚合模块来生成更具辨别力和鲁棒性的 re-id 特征嵌入，同时并将 ROI-Align head 集成到模型中，该模型在 CUHK-SYSU 和 PRW 数据集上实验，显示出与最新模型相媲美的性能，并具有更高的效率。
person searchre-id featuresanchor-free detectoraligned feature aggregationroi-align head
发现论文，激发创造
  • 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

  • 基于掩码引导的双流 CNN 模型的人体搜索

    本文提出了一种基于前景分割的人物搜索方法，将对象检测和人物重识别模型分离，使用两个不同的 CNN 来分别提取主体和原始图像的特征，并在 CUHK-SYSU 和 PRW 两个公认的基准测试中实现了比现有方法高 5pp 以上的 mAP 值，效果显著。

    Jul, 2018

  • 基于 Re-ID 的行人搜索定位细化技术

    本研究提出了一种基于 re-ID 驱动的定位精化框架，通过可微的 ROI 转换层有效地转换原始图像中的边界框，实现对检测框的监督，从而提高行人搜索的效果。实验结果显示，该方法在常用的基准测试中对比现有方法表现明显更好。

    Sep, 2019

  • 高效人员搜索的连续端到端网络

    提出了一种基于 Sequential End-to-end 网络和 Context Bipartite Graph Matching 算法来提升 person search 中 re-ID performance 的方法，并在 CUHK-SYSU 和 PRW 两个 benchmark 上取得了最先进的结果。

    Mar, 2021

  • 全面解耦的端到端人员搜索

    提出了一种全面解耦的网络模型，用于实现端到端的人员搜索，并在检测和重新识别子任务上进行任务增量训练，从而实现了独立学习和最优化的人员搜索效果。

    Sep, 2023

  • 无需对齐的遮挡人物重新识别前景感知金字塔重建

    本文提出了一种抵御遮挡和无需精确定位的人物重识别方法，并扩展其应用于更为真实和拥挤的场景中，在三个挑战性遮挡数据集和三个基准人物数据集上获得了极高的准确率。

    Apr, 2019

  • 快速单阶段无监督域自适应人员搜索

    本研究提出了一种快速单阶段无监督人物搜索方法（FOUS），该方法通过端到端的方式无需迭代聚类，通过引入基于注意力的领域对齐模块（ADAM）和原型引导标注方法，实现了在 CUHK-SYSU 和 PRW 等基准数据集上的最先进表现。

    May, 2024

  • 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

  • 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

  • 多尺度匹配的人员搜索

    本文提出了一种深度学习的交叉层语义对齐方法（CLSA），用于解决人物搜索中的多尺度匹配问题，并成功地减少了误差和计算量，该方法在两个大型人物搜索基准数据集（CUHK-SYSU 和 PRW）上性能卓越。

    Jul, 2018