AAAIDec, 2023

TOP-ReID: 多光谱物体再识别与令牌置换

PDF
TL;DR多光谱目标重新识别的变压器模型方法，采用循环置换和互补重构模块来提取更具辨别性的特征。
multi-spectral object re-identificationtransformer-based reid methodscyclic token permutation frameworktoken permutation modulecomplementary reconstruction module
发现论文，激发创造
  • 魔法令牌：多模物体重新识别中的选择多样性令牌

    通过 EDITOR 框架中的多模态对象 ReID 方法实现对背景的抑制、特征重提取、空间频率令牌选择和特征细化，以产生更具辨别性的特征，从而提高在复杂视觉场景中的对象再识别效果。

    Mar, 2024

  • 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

  • 目标重新识别的 Transformer：一项综述

    该论文综合评述了基于 Transformer 的物体再识别 (Re-ID) 的现有工作，涵盖了多个领域和挑战，并提出了一个基于 Transformer 的新方法 UntransReID，同时还讨论了未来研究中的重要问题。

    Jan, 2024

  • 其他符号很重要：探索视觉变换器在物体再识别中的全局和局部特征

    本文研究了物体再识别中全局 - 局部关系对于 Transformer 的影响，并提出了一种全局 - 局部 Transformer 模型，并基于最后几层的特征和类别信息学习了全局特征，同时结合多层局部信息来探索判别性的局部表示，在四个物体再识别基准数据集上实现了卓越的性能。

    Apr, 2024

  • 学习渐进式多模态共享的转换器以实现有效的可见 - 红外人员重识别

    本文提出了一种名为 PMT 的深度学习框架，它采用渐进式共享模态转换器来解决 VI-ReID 任务中复杂的模态变化问题，并对模态共享特征进行可靠度和共性分析；同时提出了一种 Discriminative Center Loss (DCL)，结合 Modality-Shared Enhancement Loss (MSEL) 来缓解大内部差异和小类间差异问题，从而更好地区分共享特征，该框架在 SYSU-MM01 和 RegDB 数据集上的表现优于现有的大多数最新状态 - of-the-art 方法。

    Dec, 2022

  • 循环融合和精炼块的多光谱目标检测融合

    本文提出了一种半途径特征融合方法，使用神经网络并添加一个特殊模块来循环融合和优化每个光谱特征，以解决多光谱图像中信息融合的难题，并在两个具有挑战性的数据集上评估，结果表明与其他最先进的多光谱目标检测方法相比，我们的循环融合 - 优化模块能有效提高检测性能。

    Sep, 2020

  • 可见光 - 红外人员再识别的多尺度语义相关挖掘

    通过多尺度语义相关性挖掘网络（MSCMNet），从不同的模态中提取有区分性的特征用于匹配的任务中，最大的挑战在于如何全面利用语义特征以及尽可能减少特征提取中的模态信息损失。该网络包含三个主要组成部分：多尺度信息相关性挖掘模块（MIMB）用于关联多尺度语义特征，四重流特征提取器（QFE）用于从数据集的不同维度提取信息以丰富语义信息，以及四重中心三重损失（QCT）用于解决综合特征中的信息差异问题。在 SYSU-MM01、RegDB 和 LLCM 数据集上进行的广泛实验表明，所提出的 MSCMNet 具有最高的准确性。

    Nov, 2023

  • 多目标多相机追踪与重新识别的特征

    使用卷积神经网络训练复合式跟踪和重新识别系统，平衡多目标多相机跟踪和个体重新识别性能的关系，并通过自适应加权三元组损失和硬标识挖掘技术来优化性能。

    Mar, 2018

  • 时空人员再识别

    本研究提出了一种新的两流空间 - 时间人物重新识别（st-ReID）框架，该框架挖掘了视觉语义信息和空间 - 时间信息，引入 Logistic Smoothing（LS）联合相似性度量，使用快速直方图 - Parzen（HP）方法近似复杂的空间 - 时间概率分布，消除了很多无关图像，在 Market-1501 和 DukeMTMC-reID 数据集上均取得了最好的准确性，进步幅度达到了先前方法的很大程度。

    Dec, 2018

  • 可见光 - 红外跨模态人员再识别的高效框架

    本论文提出了一种四流框架，通过深度卷积神经网络中不同的输入图像表示来学习不同的特征，从而改善可见光 - 红外人员重识别系统的性能。实验结果表明，该框架在多个数据集上优于当前最先进的方法。

    Jul, 2019