Oct, 2021

RGB - 红外人员再识别的多特征空间联合优化网络 MSO

PDF
TL;DR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。
cross-modality person re-identificationnovel multi-feature space joint optimizationmodality-sharable featurespef losscmcc loss
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

  • 可见光 - 红外人员再识别的多尺度语义相关挖掘

    通过多尺度语义相关性挖掘网络（MSCMNet），从不同的模态中提取有区分性的特征用于匹配的任务中，最大的挑战在于如何全面利用语义特征以及尽可能减少特征提取中的模态信息损失。该网络包含三个主要组成部分：多尺度信息相关性挖掘模块（MIMB）用于关联多尺度语义特征，四重流特征提取器（QFE）用于从数据集的不同维度提取信息以丰富语义信息，以及四重中心三重损失（QCT）用于解决综合特征中的信息差异问题。在 SYSU-MM01、RegDB 和 LLCM 数据集上进行的广泛实验表明，所提出的 MSCMNet 具有最高的准确性。

    Nov, 2023

  • 学习用于异质人物再识别的跨模态信息瓶颈表示

    通过互信息和模态一致性网络，提取具有代表性信息的模态不变身份特征，减少冗余，消除模态差异，并对关键部分进行全局 - 局部特征提取，以实现可见 - 红外人物重识别任务。

    Aug, 2023

  • 关注不同之处：通过对比关联进行跨模态人员再识别

    该研究提出了一种双通道跨模式特征学习框架，旨在保留内在空间结构并关注输入交叉模态图像对的差异，通过在一个共同的 3D 张量空间中嵌入交叉模式图像而不丢失空间结构以及通过动态比较输入图像对来提取对比特征等方式，在两个公共可用的 RGB-IR ReID 数据集上进行了广泛实验，并在全面和简化的评估模式下均优于现有的算法。

    Oct, 2019

  • 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

  • 基于模态自适应 Mixup 和不变分解的 RGB+IR 人员再识别方法

    本文提出了一种新的模态自适应 Mixup 和不变分解方法（MID），以学习模态不变和具有鉴别力的表征，以应对 RGB - 红外人物再识别中由于 RGB 和红外图像之间的显着模态差异而产生的挑战，并在两个具有挑战性的基准测试上展示出了优越的性能。

    Mar, 2022

  • 共享特定特征传递的跨模态人员重新识别

    本文提出了一种新的跨模态共享专用特征传输算法（cm-SSFT），通过模型共享特征和模型特定特征的转移，包括模态自适应、对抗学习和重构增强，学习每个模态的区分性和互补共享特征。综合实验结果表明，该算法显著优于现有算法， 在 SYSU-MM01 和 RegDB 数据集上分别提高了 22.5% 和 19.3% 的平均精度。

    Feb, 2020

  • RGB - 红外人员重识别的神经特征搜索

    本文提出了一种称为神经特征搜索（NFS）的自动化特征选择范式来解决 RGB - 红外人员再识别方面的挑战性跨模态检索问题，通过对身体部位及数据驱动的自适应筛选等手段，实现了自动化特征选择的过程，进一步获得了更好的性能表现。

    Apr, 2021

  • 可见光与红外人员再识别的模态统一网络

    通过引入一个新的模态统一网络（MUN），本研究针对可见光 - 红外人员重识别（VI-ReID）中的大量跨模态差异和类内变异问题，通过动态建模模态特定和模态共享表示来提取判别特征表达，从而使所提出的方法在多个公共数据集上明显超过当前最先进的方法。

    Sep, 2023