Nov, 2023

人物再识别的全局和组件化的语义表示自监督学习

PDF
TL;DR通过使用交互式分割模型（ISM）进行自适应的基于部位的语义提取，本文提出了 SemReID，一种自我监督的 ReID 模型，通过技术手段（如图像遮罩和 KoLeo 正则化）改进其语义表示，证明了其在三种类型的 ReID 数据集上具有优越的性能，并引入了 LUPerson-Part 数据集来增强对细粒度部位语义的获取，以提高鲁棒性。
interactive segmentation modelsperson re-identificationsemantic representationadaptive part-based semantic extractionreid performance
发现论文，激发创造
  • 人物再识别的人类语义分析

    本论文旨在提高人物再识别的性能。与常见的检测局部特征的方法不同，我们提出采用人类语义分析来提取局部特征，相应的性能得到了大幅提升，并成为了当前最优方法。此外，我们展示了通过简单且有效的训练策略可以使标准的卷积神经网络方法，如 Inception-V3 和 ResNet-152，无需修改即可显著提高人物再识别的性能。

    Mar, 2018

  • 面向人员再识别的语义对齐表示学习

    本论文提出了一种通过细致的监督设计，驱动重新识别网络学习语义对齐特征表示的框架，其中包括了一个带编码器（SA-Enc）的 Semantics Aligning Network (SAN) 用于重新识别，以及一个解码器（SA-Dec）用于重建 / 回归密集语义对齐全纹理图像，并在三元组 ReID 约束下增加感知损失，以确保推断的计算效率。该设计取得了基准数据集 CUHK03，Market1501，MSMT17 和部分人物重新 ID 数据集 Partial REID 等的最佳表现。

    May, 2019

  • 身份引导的人体语义分割用于人员再识别

    本文提出了一种基于身份指导的人类语义解析方法（ISP），通过级联聚类来生成伪标签，并仅利用人的身份标签来定位人体部位和个人物品并实现像素级别的对齐，最终从中获得人体部位和个人物品的本地特征，验证表明，该方法在三个被广泛使用的数据集上优于大量先进方法。

    Jul, 2020

  • 面向换衣人物重识别的语义一致性网络

    通过使用语义一致性网络（SCNet）以及一系列有效的一致性约束条件，我们的研究旨在解决服装改变可能发生的情况下，跨多个监控摄像头检索目标人员的困难任务。结果表明，SCNet 模型在几个衣服变换人物重识别数据集上取得了显著进展，并且无需使用额外的辅助分割模块。

    Aug, 2023

  • 服装更换人员再识别的内容和显著语义协作

    我们提出了 Content and Salient Semantics Collaboration（CSSC）框架，通过有效利用行人图像中存在的丰富语义而无需任何辅助手段，实现了衣物变换的人物重识别。我们的方法通过提取关于内容和显著语义的稳健身份特征，并有效地减少了服装外观的干扰，从而在三个衣物变换基准数据集以及传统基准数据集上取得了最先进的性能，显示了其优越性。

    May, 2024

  • 将语义表示进行转移，用于人员再识别和搜索

    本文提出了一种新的基于语义属性学习的人物再辨识和搜索方法，并将其在弱或强标记的时尚摄影数据集上进行训练，进而提供一种强大的用于检测和描述监控人员的语义表达，无需任何监控领域监督，并且已达到最先进的性能，在无监督和监督人物重新辨识中均取得了最先进的性能。此外，作为一种语义表达，它将允许在同一框架内集成基于描述的人员搜索。

    Jun, 2017

  • 寻求身份的自监督表征学习用于可普遍适用的人员重新识别

    这篇论文旨在使用大规模视频学习一个领域通用的人物再识别表示，不需要任何标注。通过利用大规模无监督数据进行训练，该论文提出了一种身份寻求自监督表示学习方法，以解决数据和标注的问题。该方法构建了正样本对，通过将实例关联建模为最大权重二分匹配问题。并且还提出了一个可靠性引导的对比损失，以抑制噪声正样本的负面影响，确保可靠的正样本主导学习过程。ISR 在市场 - 1501 和 MSMT17 数据集上达到了 87.0% 和 56.4% 的 Rank-1 指标，在无人标注和微调的情况下分别超过了最佳监督领域通用方法 5.0% 和 19.5%。在预训练 -> 微调方案中，ISR 在 MSMT17 数据集上达到了 88.4% 的 Rank-1 指标。

    Aug, 2023

  • 学习鲁棒的视觉语义嵌入，实现通用的人员再识别

    该论文提出了一种叫做 MMET 的多模态等价 Transformer，可用于更加鲁棒的视觉 - 语义嵌入学习和人物重新识别，同时还引入了一种动态的遮罩机制，叫做 MMM，它可以加强其他模态的特征学习，从而提高性能。

    Apr, 2023

  • MaskCL: 基于语义掩码的对比学习，用于衣服更换的无监督个体重新识别

    本文提出了一种语义掩膜驱动的对比学习方法，通过学习层次语义邻域结构中的 RGB 和语义特征，学习跨服装不变性，实现了长期无监督人员再识别。实验表明，与无监督 re-id 竞争对手相比，我们的方法具有更好的性能，并且与监督基线只有很小的差距。

    May, 2023

  • 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