多场景人员再识别的通用框架
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
可见 - 红外人员重新识别的关键是利用模态感知和实例感知的视觉提示网络,建立在 Transformer 架构上,利用模态特定提示和个体特定提示以提高鉴别能力,并在 SYSU-MM01 和 RegDB 数据集上验证了其有效性。
Jun, 2024
本论文提出了基于深度神经网络的人物再识别方法,利用视角信息进行特征提取,采用交叉视角欧几里得约束和交叉视角中心损失对每个相机视角进行视角特定的网络学习,同时采用迭代算法优化网络参数,在 VIPeR、CUHK01、CUHK03、SYSU-mReId 和 Market-1501 基准测试上的表现优于现有深度网络和最先进的方法。
Mar, 2018
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
使用生成的多个人属性作为提示来辅助更准确的 ReID 检索结果的潜力,我们提出了一种名为 Multi-Prompts ReID(MP-ReID)的新框架,基于提示学习和语言模型,充分利用精细属性来辅助 ReID 任务。实验证明了该解决方案的有效性和合理性。
Dec, 2023
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
本文提出了一种双高斯变分自编码器来解决可见光与红外线人物再识别中的跨模态差异问题,并通过鸳鸯捆绑降低后验崩溃并提高检索性能。
Aug, 2020
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