Aug, 2024

基于时空融合网络和因果身份匹配的物体重新识别

HTML
PDF
TL;DR本研究针对物体重新识别中的外观相似性和实地研究不足的问题，提出了一种新颖的重新识别框架，结合了时空融合网络与因果身份匹配(CIM)方法。该框架在多个数据集上表现出色，达到了99.70%的精度和95.5%的均值平均精度(mAP)，证明了在真实场景中结合时空信息和CIM的重要性和有效性。
发现论文，激发创造
  • 无监督视频匹配的个体再识别

    本文提出了一种基于时间序列的视频人员重识别方法，可以准确地匹配任意不对齐的图像序列中的人，无需标记的成对数据，并通过引入时间移动动态时间扭曲 (TS-DTW) 模型实现自动对齐、数据选择和匹配。

    Nov, 2016

  • 基于重识别的视频目标分割

    本文提出了一种基于视频对象重识别的视频分割方法，通过使用自适应的目标重识别机制来避免传统方法中的漂移问题和无法处理大位移的弊端，该方法在2017年DAVIS Challenge中取得了最佳性能。

    Aug, 2017

  • 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

  • 环视摄像系统的车辆再识别

    本文提出了一个完整的车辆重识别解决方案，旨在解决单目相机视角下的车辆识别困难以及多相机视角下同一车辆外观变化大的问题，并通过实验表明我们的解决方案在实践中实现了最先进的准确性。

    Jun, 2020

  • 面向 3D MOT 的点云物体重新识别

    本文探讨了在3D多物体跟踪场景下，通过学习匹配预测的3D边界框裁剪后的（例如，使用点云）点云观测到的对象对应，相比使用图像，通过点云进行对象重新识别的性能表现如何，并提出了可供比较的对象重新识别网络方法，发现使用高感度传感器的效果优于使用稀疏传感器，能够成功地发现导致强运动跟踪器误差的物体

    May, 2023

  • 具有身份知识演进的增量式摄像机目标重新识别

    本文提出一种名为CIOR的新的ReID任务，通过连续优化来自摄像机数据集的ReID模式来解决存储、隐私约束和相机动态变化等问题。 进行CIOR的Identity Knowledge Evolution（IKE）框架由Identity Knowledge Association（IKA）、Identity Knowledge Distillation（IKD）和Identity Knowledge Update（IKU）组成。 评估表明，对于CIOR，IKE框架具有优异的性能。

    May, 2023

  • 时空车辆重识别

    基于自适应Parzen窗方法和融合网络的空时域车辆重新识别框架在公共数据集（VeRi776）上取得99.64%的rank-1准确率，实验证明利用空时信息可以提高基于外观的方法的准确性并有效处理外观歧义。

    Sep, 2023

  • 多场景人员再识别的通用框架

    学习多场景条件下处理ReID任务的有效多功能ReID模型，无需在推理阶段手动分配场景标签。

    Mar, 2024

  • 基于视觉变换器的车辆再识别的长宽比可变性研究

    通过分析 VeRi-776 和 VehicleID 数据集的宽高比性能，基于多种宽高比的图像模型训练，使用 ViT 和空间注意力分数来进行图像分割和对象匹配，提出了一种动态特征融合 ReID 网络，使得 ReID 方法在 VehicleID 数据集上的平均精确度（mAP）得到显著提高。

    Jul, 2024

  • 基于多模态物体实例重识别的全球定位方法

    本研究解决了物体实例重识别领域的空白，提出了一种新颖的双路径物体实例重识别变换器架构，将RGB和深度信息相结合。研究表明，该方法在不同场景下的重识别和定位准确性上均有显著提升，为自动化探索和长期感知任务提供了有力支持。

    Sep, 2024