Dec, 2022

实用真实世界应用的人员重识别数据集和方法基准测试

PDF
TL;DR本文介绍了一种完整的方法来评估人物重新识别方法及其训练数据集在无监督实时操作方面的适用性，并以三个数据集为基准测试了四种方法，提供指南以帮助未来设计更好的人物重新识别流水线。
person re-identificationdomain shiftsecurity camerasbenchmarkunsupervised deployment
发现论文，激发创造
  • 人员再识别的系统评估和基准测试：特征，指标和数据集

    这篇论文对于人员再识别技术进行了全面的评估和表现评估，并实现了一个包括 11 个特征提取算法和 22 种度量学习技术的统一代 码库，使用 17 个不同的数据集进行了评估，旨在为这个领域提供公开、准确、全面的基准。

    May, 2016

  • 人物再识别：过去、现在和未来

    这篇文章介绍了人员再识别技术及其发展历史，对手工算法和深度学习算法在画面和视频再识别任务中的表现进行了概述，描述了未来方向和需要提高的问题。

    Oct, 2016

  • 人物再识别：领域特定开放挑战和未来趋势回顾

    本文通过对 2015 年至 2021 年间 230 多份文献的系统调查，首次综合性地回顾了针对各种视觉挑战的人员重新识别 (person re-identification) 方法，分析了当前方法的优缺点，提出了未来研究的发展方向。

    Feb, 2022

  • 人员再辨识的深度学习：综述与前瞻

    本文介绍了人物重识别技术在深度学习方面的应用，提出了封闭式和开放式两种应用场景，并且详细分析了两种场景下的数据集、算法和评估指标。最后，设计了一个有效的基线系统，并提出了一个新的评估指标，同时探讨了未来的研究方向。

    Jan, 2020

  • 野外行人再识别

    介绍了一个用于人行检测和人物识别的新数据集 PRW 及其评估，利用 6 个同步摄像头采集的视频，包含 932 个身份和 11,816 帧，使用了各种检测器和识别器的绩效分析，提出了两种改进措施，并评估了这些措施对于人物重新识别的效果。

    Apr, 2016

  • 利用虚拟和真实人物进行无监督的人员重新识别

    本文提出了一种无监督人物再识别方法，使用虚拟和真实数据进行训练，产生虚拟数据作为有标记的训练数据，利用协作过滤技术进行正样本挖掘，通过迭代优化来训练模型，实验结果表明该方法在无监督人物再识别方面达到了最先进水平。

    Nov, 2018

  • 人员再识别任务的深度学习技术调查

    通过对比基准数据集，研究了目前在智能视频监控和机器学习技术领域中，用于人员再识别的深度神经网络模型的表现及局限性，为未来的研究提供了基础。

    Jul, 2018

  • 半监督域通用人物再识别

    本研究旨在探索利用多个标记数据集来学习通用的域不变表示，以适用于每个新的人重新识别场景。通过开发 DataHunter 来搜集 YouTube-Human 和其他标注数据集，本文提出了一个简单但有效的半监督知识蒸馏框架，并在 FastHuman 基准测试上证明了所提出的框架的有效性，可与目标领域上的监督学习相媲美。同时，研究者希望该基准测试能够带来领域可推广的人重新识别算法的下一步发展。

    Aug, 2021

  • 多尺度深度学习架构用于人员再识别

    本篇研究提出了一种新的多尺度深度学习模型，能够在不同尺度上学习深度的区分特征，并自动确定最适合匹配的尺度，明确地学习不同空间位置提取区分特征的重要性，实验证明该模型在多项基准测试中优于现有技术。

    Sep, 2017

  • 无监督预训练用于个体再识别

    本文介绍了一个名为 LUPerson 的大规模未标记人物重识别数据集，并尝试进行无监督预训练来提高学习到的人物 Re-ID 特征表示的泛化能力，探究了数据增强和对比损失等方面对学习 Re-ID 特征的关键因素，其使用预训练模型可以获得在现有数据集上的最先进结果。

    Dec, 2020