Jan, 2022

被遮挡人员再识别的短距离相关变换器

PDF
TL;DR我们提出了一种基于局部特征变换器的人员再辨识框架（PFT），通过三个模块设计，在提高视觉变换器的效率的同时最大限度提取局部特征，实现了对局部遮挡情况下的人员再辨识。实验结果显示，PFT 网络在遮挡和整体再识别数据集上表现出优异性能，并优于现有技术。
person re-identificationocclusionvision transformerpartial feature transformerlocal feature extraction
发现论文，激发创造
  • 学习特征恢复变换器用于遮挡人物重新识别

    该研究提出了一种名为 Feature Recovery Transformer（FRT）的新方法，通过可见性图匹配和特征恢复变压器来同时解决干扰噪声和遮挡带来的行人信息损失的问题，与其他最新技术相比，在挑战性的 Occluded-Duke 数据集上的准确性提高至少 6.2% Rank-1 和 7.2% mAP 打分。

    Jan, 2023

  • 基于姿态引导的部件关系转换器用于遮挡下的人员再识别

    本研究提出了一种用于遮挡场景下的姿势引导的人物 Re-Id 的模型，该模型利用局部特征提取和匹配，引入变换器建立了部分感知的长期相关性。实验表明，所提出的模型在公共的遮挡数据集上取得了新的最先进水平，并在标准的非遮挡人物 Re-Id 数据集上表现出可比较的性能。

    Sep, 2021

  • 局部感知变换器进行人员再识别

    本论文提出了一种新型的 LA-Transformer 人物重识别算法，该算法使用了局部感知机制并融合了 PCB 策略以及分块微调技巧，相比于其他现有方法，在 Market-1501 和 CUHK03 数据集上达到了目前最优的识别率。

    Jun, 2021

  • 基于自注意力机制的部位感知 Transformer 技术在遮挡人物再识别中的应用

    通过基于变压器编解码器架构的多元部分发现，包括基于像素上下文的变压器编码器和基于部分原型的变压器解码器，我们提出了一种新的端对端的面向部分的变压器，用于处理拥挤情景中受遮挡的人物重识别。实验结果表明，提出的方法在三个任务（受遮挡，部分和整体重识别）的六项基准测试中表现良好。

    Jun, 2021

  • TransReID：基于 Transformer 的目标重识别

    本文介绍了基于 transformer 的物体 ReID 方法 TransReID，通过重新排列 patch embeddings，设计新颖的 jigsaw patch module 和 side information embeddings 模块来提高对细节、摄像机视角等因素的鲁棒性，并在多个 ReID 数据集上实现了最优结果。

    Feb, 2021

  • 遮挡下的行人再识别特征补全

    本研究提出了一种 RFM 块，包括 Spatial RFC 和 Temporal RFC 模块，以解决人员再识别中的遮挡问题，并在数据集上测试表明其较传统方法获得了更好的性能。

    Jun, 2021

  • 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

  • 基于 Transformer 的姿态引导特征解耦用于遮挡行人再识别

    本研究提出了一个基于 Transformer 框架的姿态引导特征去卷积（Pose-guided Feature Disentangling，PFD）方法，通过利用姿态信息来将语义组件（例如人体或关节部位）清晰地去卷积并相应地选择非遮挡部位进行匹配。经过五个具有挑战性的数据集的广泛实验证明，PFD 方法优于同类方法。

    Dec, 2021

  • STNReID : 使用成对空间变换网络的深度卷积网络进行部分人员重新识别

    本研究提出一种基于空间变换网络的深度偏分人员再识别框架，可以用于与整体身份图像匹配。实验结果表明，该框架在偏分人员再识别任务中达到了与最先进方法相当的准确率。

    Mar, 2019

  • 通过处理遮挡实现鲁棒的集成人员重识别的正交融合

    通过使用集成模型和深度神经网络结构，提出了一种在人员重新识别中处理遮挡的方法，该方法在低分辨率边缘摄像头上能够生成稳健的特征表示。实验结果表明，所提出的方法具有竞争力的排名 - 1 和 mAP 表现。

    Mar, 2024