Jun, 2023

检索任何人：一项带指导的通用人员再识别任务

PDF
TL;DR本文提出了一种新的人物 ReID 任务，即 instruct-ReID，该任务要求根据给定的图像或语言指令检索图像，提出了一个基于大规模 OmniReID 基准数据集和自适应三元组损失的基线方法来促进在这个新场景下的研究，实验结果表明，基于该 benchmark 训练的基线模型可以提高市场 1501 和 CUHK03 的传统 ReID 上的 mAP，各种衣服变化 ReID 上的 mAP，并在语言指导的 ReID 上进一步提高。
person re-identificationinstruct-reidomnireid benchmarktriplet losslanguage-instructed reid
发现论文，激发创造
  • Instruct-ReID++: 通向通用用途的指导人物再识别

    该研究提出了一种新的 instruct-ReID 任务，通过给定的图像或语言指令，模型可以检索图像；提出了一个大规模 OmniReID++ 基准，配备了各种数据和综合评估方法；介绍了基于自适应三元组损失的 IRM 基线模型和基于存储器辅助学习的 IRM++ 方法，在多个测试集上实现了最先进的性能。

    May, 2024

  • 视觉和语言的人物再识别

    我们提出了一种新的人员再识别方法，使用图像和自然语言描述的联合视觉和语言模型，相比属性和 LSTM，使用自然语言描述和 CNN 可以显著提高标准 Re-ID 基准测试的性能。

    Oct, 2017

  • 实用真实世界应用的人员重识别数据集和方法基准测试

    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。

    Dec, 2022

  • 基于视频的可见光红外人员再识别与辅助样本

    本研究提出了一种可匹配可见光和红外相机捕捉的人物的可视红外人物再识别方法（VI-ReID），旨在实现 24 小时监控系统中的人物检索和跟踪。通过构建大规模 VI-ReID 数据集 BUPTCampus，本研究为该领域的进一步研究提供了基础，并通过应用生成对抗网络（GAN）和课程学习等方法，取得了显著优越的实验结果。

    Nov, 2023

  • 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

  • 学习不变领域表示以实现可推广的人员复识别

    本文提出一种基于因果分析的结构模型，利用该模型构建了一个新颖的领域不变表示学习框架，包括对身份特征和领域特征空间的分离，以及算法实现和实验验证。结果表明，该框架在大型领域泛化 ReID 基准测试中优于现有方法。

    Mar, 2021

  • 通过对齐学习：利用跨模态对应关系进行可见光 - 红外人员再识别

    本研究提出了一种新颖的特征学习框架，通过利用密集对应的交叉模态人物图像，像素级地抑制与模态相关的特征，从而更有效地促进交叉模态本地特征的判别式特征学习，从而解决了可见 - 红外人物重识别的问题。

    Aug, 2021

  • 深度转移学习用于人员再认证

    本文提出多种深度迁移学习模型解决人物再识别领域中训练数据匮乏的问题，包括设计更适合迁移学习的深度网络架构、开发两阶段微调策略以及提出一种基于协同训练的无监督深度迁移学习模型。实验结果表明，所提出的模型在三个数据集上表现优于当前的深度人物再识别模型，并且我们的无监督模型在 VIPeR 数据集上表现超过大多数有监督模型。

    Nov, 2016

  • 恢复和识别：一种用于跨分辨率人员再识别的生成对偶模型

    本研究提出了一种新的生成对抗网络，以解决跨分辨率个体再识别问题，能够在保持分辨率不变的同时恢复低分辨率输入图像中的缺失细节，实验表明该方法在五个基准数据集上比现有技术表现更好，尤其是当输入分辨率在训练期间未被看到时。

    Aug, 2019

  • 学习分解表示以实现强固的人员再识别

    本文提出了一种新的生成对抗网络 (IS-GAN)，可以通过身份标签而不需要其他信息将图像中的身份相关特征和非相关特征进行分离，在 person re-identification 中取得了显著的效果。

    Oct, 2019