Aug, 2023

HashReID：具有二进制编码的动态网络用于高效人员再识别

PDF
TL;DR提出了一种多出口块的输入自适应网络，可以根据检索的简易程度或噪声提前终止计算，以节省计算资源。通过引入基于时间的分类器和二进制编码生成方法，能够更高效地进行检索，同时采用新的排序规范化器以确保相似性保持。在 Market1501、MSMT17 和 BGC1 数据集上进行了广泛分析，结果表明与其他基于哈希的方法相比，能够节省计算资源、保持相似性，并且具备与传统 ReID 方法相当的准确性。
person re-identificationenergy constrained devicesinput-adaptive networkbinary hash code generationsimilarity preservation
发现论文，激发创造
  • 针对高效人员再识别的对抗二进制编码

    本研究提出了一种简单而有效的基于对抗学习的二进制编码框架（ABC）用于高效实现人物重识别任务，通过配备深度三元组网络进一步增强所提取的二进制码的可辨别性，同时在端到端的方式下优化 ABC 和三元组网络，实验结果显示该方法在三个大规模的人物重识别基准测试中优于现有方法。

    Mar, 2018

  • 快速人物再识别

    本文提出一种新的粗到细哈希码搜索策略，该策略利用短码和长码进行补充，旨在快速准确地搜索人像图像。实验结果表明，该方法不仅比当代哈希 ReID 方法更准确，而且比非哈希 ReID 方法快 50 倍。

    Aug, 2020

  • 基于正则化相似度学习的可扩展深度哈希用于图像检索和个体重新识别

    本研究提出了一种监督学习框架，直接从原始图像中生成紧凑且可扩展的哈希编码，通过使用三元组样本最大化匹配对与不匹配对在汉明空间中的边界，并同时优化图像特征和哈希函数，从而在实际应用中更具有灵活性和更高的性能。

    Aug, 2015

  • BiCnet-TKS: 学习视频人物再识别的高效时空表示

    本文提出了一种高效的时空表示方法 BiCnet-TKS，并通过在原始分辨率和下采样策略上处理连续帧以获取目标身份的全面特征；该模型包含多个并行的和多样化的注意力模块以发现连续帧的不同部位，在任何深度插入 TKS 模块以捕捉短期和长期的时间关系，并在多个基准测试中取得优于先前研究的结果。

    Apr, 2021

  • 深度人员再识别的技巧和强基线

    本文探讨了一种简单有效的人物再识别（ReID）基线，并通过组合有效的训练技巧，在仅使用全局特征的情况下，在 Market1501 数据集上实现了 94.5％的排名 - 1 和 85.9％的 mAP。

    Mar, 2019

  • 用于人员再识别的多任务深度神经网络

    本文提出了一种多任务深度网络并联考虑二分类和排名任务，结合交叉域架构训练以解决人员再识别问题，实验结果表明，该方法有效性显著优于现有算法。

    Jul, 2016

  • 多尺度资源感知人员重新识别

    本研究提出了一种个体重新识别模型，该模型结合了在多个卷积网络层上构建的有效嵌入，采用了深度监督技术进行训练，能够在资源受限情况下有效地权衡准确性和计算性能。在传统的重新识别基准测试中，我们的方法在所有五个数据集上都明显优于以前的最新结果。

    May, 2018

  • 用于人员再识别的分层双向特征感知网络

    提出了一种名为 HBFP-Net 的模型，使用低秩双线性池化模型来建模跨层级特征对的相关映射，并利用双向特征感知模块来丰富高层特征的注意力区域，成功提高了行人再识别的性能。

    Aug, 2020

  • 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

  • 动态身份引导注意力网络用于可见 - 红外人物再识别

    多模态人物识别中的动态身份引导注意力网络（DIAN）旨在通过挖掘身份引导和模态一致的嵌入来解决交叉模态差异的问题。实验结果表明，DIAN 在 SYSU-MM01 和 RegDB 数据集上取得了最先进的性能。

    May, 2024