CVPR2016中的Re-id

Part-based-CNN

  • DataSet: i-LIDS, PRID2011, VIPeR and CUHK01
  • 同时调整特征提取和距离测量公式的参数
  • 提取身体部分的特征和全身特征作为一个特征

  • 使用triplet loss,同时缩小类内差异,增大类间差异

Spatial Constraints

  • 提取身体部分特征和全身特征共同计算相似度

  • dataset:VIPeR, GRID, 3DPES, Market-1501

Pose-aware

  • 根据移动路径判断姿态,对其他姿态图像做推断,并用推断结果做match
  • CUHK02 [12] and VIPeR [8], iLIDS-Vid [19], PRID 2011 [9] and 3DPeS [3]

Hierarchical Gaussian Descriptor

  • 对图片做切片,找一个能描述切片像素数据分布的高斯分布
  • 逐级整合各个切片的高斯分布

  • VIPeR [12], CUHK01 [20], GRID [26], PRID450S [33] and CUHK03 [21].

RNN-CNN

  • 两组图片,分别通过CNN+RNN得到特征
  • 特征分别用identity目标做优化,用recognize目标做优化
  • iLIDS-VID and PRID-2011

Cross-Dataset Transfer Learning

  • 用一个有标签数据集训练特征表达模型,分解出数据集共用的模式和数据集独有的模式
  • 字典学习,找到各个数据集共用的字典
  • 将模型应用在无标签无监督聚类上
  • VIPeR PRID CUHK01 CAVIAR iLIDS

domain-based-cnn

  • 先将所有数据集混合在一起,训练CNN做分类
  • 逐个去掉神经元,观察在不同数据集中损失函数的变化,变化少的说明这个神经元对这个domain没用
  • 对每个神经元,根据神经元对loss的影响,设置一个因数据集不同而不同的dropout值
  • 实现对不同数据集有不同的预测能力
  • CUHK03,CUHK01,PRID,VIPeR (I cannot find the link to the original dataset. This is my previous backup version.),3DPeS,i-LIDS (I cannot find the link to the original dataset. This is my previous backup version.),Shinpuhkan (need to send an email to the authors)

Video-Based-Top-Push-Multi-shot

  • 多匹配
  • 按匹配程度排序,避免因顺序或者帧刚好错开导致的低效匹配和误判
  • PRID 2011 [8] and iLIDS-VID

Distance-metric:null-Foley-Sammon-transfer

  • 将同个人的所有图的特征投射为一个点(同个类中的特征是可以被投射到一个点中的)
  • 使得不同人的点的距离尽量远
  • 将这个方法应用在re-id上
  • VIPeR [11], PRID2011 [14], CUHK01 [19], CUHK03 [19] and Market1501

根据样本调节距离函数-SVM

  • 学习一个SVM模型做分类,从中学到两个字典和一个映射矩阵,通过这三个东西,关联特征空间和权重空间
  • 权重即为距离测量时用到的参数
  • VIPER, QMUL GRID, PRID, CUHK01, CUHK03,OpeRID

results matching ""

    No results matching ""