AlignedReID

Zhang X, Luo H, Fan X, et al. AlignedReID: Surpassing Human-Level Performance in Person Re-Identification[J]. 2017.

　　本篇是来自旷视的一篇论文，刚发出来时号称超越人类分辨能力。

　　看性能指标确实挺高，其主要亮点是利用行人局部区域之间的联系（头下面是肩部，肩部下面是躯干）对行人对象进行对齐，从而减少不对齐导致的局部距离过大。

然后添加了一堆的训练tricks（triplet loss，mutual loss，rerank等，网络计算量暴增），个人感觉有刷指标的嫌疑，特别是标题相当的唬人（先把测试数据规模和测试场景提上去再说超越人类吧）。

这和后面云从的同样在Market-1501刷爆指标的论文感觉都有公关的意思，毕竟这两篇都是和公司合作。云从那篇基本没啥新意，硬分割完了加各种训练tricks使劲堆计算量，这里就不提具体的了。

contributions

　　提出基于行人局部区域之间联系的动态匹配最小路径算法，进行低成本的对齐

pipeline

　　

loss：

final distance = global distance + local distance
global distance = L2 distance of globel feature
local distance = 动态匹配最小路径（解决由于不对齐而带来较大的local distance）

动态匹配最小路径

其他tricks

experiments

Person Re-identification 系列论文笔记（六）：AlignedReID的更多相关文章

  1. Person Re-identification 系列论文笔记（一）：Scalable Person Re-identification: A Benchmark

    打算整理一个关于Person Re-identification的系列论文笔记,主要记录近年CNN快速发展中的部分有亮点和借鉴意义的论文. 论文笔记流程采用contributions->algo ...

  2. Person Re-identification 系列论文笔记（二）：A Discriminatively Learned CNN Embedding for Person Re-identification

    A Discriminatively Learned CNN Embedding for Person Re-identification Zheng Z, Zheng L, Yang Y. A Di ...

  3. Person Re-identification 系列论文笔记（三）：Improving Person Re-identification by Attribute and Identity Learning

    Improving Person Re-identification by Attribute and Identity Learning Lin Y, Zheng L, Zheng Z, et al ...

  4. Person Re-identification 系列论文笔记（八）：SPReID

    Human Semantic Parsing for Person Re-identification Kalayeh M M, Basaran E, Gokmen M, et al. Human S ...

  5. Person Re-identification 系列论文笔记（五）：SVD-net

    SVDNet for Pedestrian Retrieval Sun Y, Zheng L, Deng W, et al. SVDNet for Pedestrian Retrieval[J]. 2 ...

  6. Person Re-identification 系列论文笔记（七）：PCB+RPP

    Beyond Part Models: Person Retrieval with Refined Part Pooling Sun Y, Zheng L, Yang Y, et al. Beyond ...

  7. Person Re-identification 系列论文笔记（四）：Re-ID done right: towards good practices for person re-identification

    Re-ID done right: towards good practices for person re-identification Almazan J, Gajic B, Murray N, ...

  8. Deep Learning论文笔记之（六）Multi-Stage多级架构分析

    Deep Learning论文笔记之(六)Multi-Stage多级架构分析 zouxy09@qq.com http://blog.csdn.net/zouxy09          自己平时看了一些 ...

  9. 论文笔记系列-Neural Network Search ：A Survey

    论文笔记系列-Neural Network Search :A Survey 论文 笔记 NAS automl survey review reinforcement learning Bayesia ...

随机推荐

  1. Shell 工具之 sed

    sed编辑器称为流编辑器(stream editor).可以根据输入命令行的命令或者存储在命令文本文件中的命令处理数据.每次从输入读取一行数据,将该数据与所提供的编辑器命令进行匹配,根据命令修改数据流 ...

  2. mysql 如果处理货币金钱类型

    我们知道,数据库存金钱类型可以float.double.decimal ,相比较而已decimal 最好用. 好吧, 我们公司用的分为单位, 类型 用bigint 存取,操作的时候到是很方便, 展示的 ...

  3. python-基础-面象对象

    1 类和对象 定义类 定义一个类,格式如下: class 类名: 方法列表 demo:定义一个Car类 # 定义类 class Car: # 方法 def getCarInfo(self): prin ...

  4. javaWeb-监听器Listener

    监听器Listener (一)监听器Listener javaEE包括13门规范 在课程中主要学习 servlet技术 和 jsp技术 其中 servlet规范包括三个技术点:servlet  lis ...

  5. 状态压缩中常用的位运算（DP）

    面对位运算,一直很无感...可能数学太差,脑洞太小. 1.首先是最基本的: 与&,或|,非~,异或^. 2.获取一个或者多个固定位的值: 假设 x = 1010(二进制),我们要取左数第二位的 ...

  6. 数据库迁移工具DBMigration

  7. nginx日志修改时间格式为年月日时分秒

    先解除这段注释,使用自定义日志格式 $time_iso8601 生成格式:--20T09::+: $time_local 生成格式: /Apr/::: + 还是选择年月日时分秒看起来舒服一点

  8. 常用命令5--文件搜索命令3-find

    发现没有出来install.log.syslog ,find不能进行模糊搜索.要想模糊搜索,必须用通配符. 没有所有者的文件是垃圾文件.但是内核产生文件,在这两个文件夹里文件有可能没有所有者,很正常, ...

  9. 使用neo4j-import导入数据及关系

    背景 上节我们了解了什么是图数据库,作为研究对象的neo4j的特点,优缺点以及基本的环境搭建. 现在我们要讲存储在csv中的通话记录数据导入到neo4j中去,并且可以通过cql去查询导入的数据及关系 ...

  10. day18 17.c3p0连接池使用

    连接池时间长不用空闲着,dbcp是不回收的,性能可能有些问题.c3p0是可以自动回收.实际开发中c3p的生产力比dbcp强,性能上更强. package cn.itcast.datasource; i ...