跨模态行人重识别:Towards a Unified Middle Modality Learning forVisible-Infrared Person Re-Identification阅读笔记
目录
摘要
方法
结果
论文链接
摘要
提出了一种非线性中间模态生成器(MMG),它有助于减少模态差异。MMG 可以有效地将 VIS 和 IR 图像投影到统一的中间模态图像 (UMMI) 空间中,以生成中间模态 (M-modality) 图像。生成的 M 模态图像和原始图像被馈送到主干网络以减少模态差异。为了将 UMMI 空间中从 VIS 和 IR 图像生成的两种类型的 M 模态图像拉在一起,提出了一个分布一致性损失 (DCL),以使生成的 M 模态图像的模态分布一致尽可能。最后提出了一个中间模态网络(MMN),以显式方式进一步增强特征的区分度和丰富度。
主要贡献
(1)提出了一种非线性中间模态生成器来生成中间模态图像来辅助 VI-ReID 任务。特别是,所提出的中间模态生成器可以有效地将 VIS 和 IR 图像投影到统一的中间模态图像空间中。
(2) 我们提出了一种有效的分布一致性损失,使从VIS和IR图像中获得的两种中间模态图像在UMMI空间中的模态分布一致,进一步提高了所提出方法的性能。
(3) 大量实验表明,所提出的方法在 SYSUMM01 和 RegDB 数据集上都显着优于其他竞争方法。
方法
中间模态生成器(MMG),分布一致性损失(DCL
Middle Modality Generator
在通道级别对齐可见光图像和红外图像。将可见光转换为红外比将红外转换为可见光更容易。分别对这两种模式进行编码,对于VIS模式
对于IR模式
通过如上图所示操作,我们获得了可见光和红外图像的特征,并在通道级别执行了可见光图像和红外图像之间的对齐。
Modality Information Decoder
提出的MID用于将编码为一个通道的数据投影到统一的三通道图像空间。在这个统一的图像空间中,可见光和红外图像之间的距离变得更近,可以减少模态差异。
MID包括通道级的1×3全连接层,然后是ReLU激活层,以获得三通道中间模态图像. ReLU激活层用于进一步增加非线性关系。通过上述操作,我们可以生成M-模态图像。生成的M-模态图像与VIS图像和IR图像具有相同的标签。最后,将M-模态、VIS和IR模态图像一起送入主干网络
Distribution Consistency Loss (DCL)
N是图片数量,f()是网络的输出,mean[A-B]是是A和B之差的平均运算,DCL的优化将使两种M-模态特征相似。
损失函数
结果
跨模态行人重识别:Towards a Unified Middle Modality Learning forVisible-Infrared Person Re-Identification阅读笔记相关推荐
- 跨模态行人重识别cm-SSFT:Cross-modality Person re-identification with Shared-Specific Feature Transfer 学习笔记
目录 摘要 方法 试验 论文链接:Cross-modality Person re-identification with Shared-Specific Feature Transfer 摘要 在本文中 ...
- 今日 Paper | 跨模态行人重识别;对抗时尚迁移;学会注意错误等
2020-03-11 15:11:09 目录 跨模态行人重识别:共享与特异特征变换算法cm-SSFT GarmentGAN:具有图片真实感的对抗时尚迁移 学习将纹理从服装图像转移到3D人体 学会注意错 ...
- AAAI 2020 | XIV-ReID:基于X模态的跨模态行人重识别
©PaperWeekly 原创 · 作者|张晓涵 学校|西安交通大学本科生 研究方向|计算机视觉/行人重识别 论文标题:Infrared-Visible Cross-Modal Person Re-I ...
- CVPR2020 | 跨模态行人重识别:共享与特异特征变换算法cm-SSFT
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 编辑:Sophia 计算机视觉联盟 报道 | 公众号 CVLianMeng 转载于 :SuperMHP, htt ...
- 跨模态行人重识别研究综述
跨模态行人重识别研究综述 刘天瑜,刘正熙 摘要:传统的行人重识别主要工作集中在同一模态下的行人重识别上,大部分应用于光源充足的场景.随着视频安防监控要求的不断提升,为了克服可见光摄像头无法全天候进行使 ...
- 跨模态行人重识别:Deep Learning for Person Re-identification:A Survey and Outlook(行人重识别综述)
Deep Learning for Person Re-identification:A Survey and Outlook(行人重识别综述) 写在前面:感谢叶茫博士对AGW的开源,AGW非常适合刚 ...
- 跨模态行人重识别:Cross-Modality Person Re-Identification viaModality-Aware CollaborativeEnsemble Learning学习笔记
基于模态感知的协同集成学习的跨模态行人重识别 简介 本文针对VT-Reid提出了一种基于中间层共享双流网络(MSTN)的模态感知协同集成(MACE)学习方法,该方法同时处理了特征层和分类器层的模态差 ...
- 跨模态行人重识别:Hetero-Center Loss for Cross-Modality Person Re-Identification
Hetero-Center Loss for Cross-Modality Person Re-Identification 目录 Hetero-Center Loss for Cross-Modal ...
- 可见光-红外的跨模态行人重识别最新研究成果汇总
目录 Introduction Challenges Advantages Methods [2020 AAAI] Cross-Modality Paired-Images Generation fo ...
- 基于RK3588+TensorFlow的人工智能跨模态行人重识别方法及应用
摘要: 跨模态行人重识别技术(cm-ReID)旨在可见光.红外等不同模态图像中识别出同一个人,其在人 机协同.万物互联.跨界融合.万物智能的智能系统与装备中有重要应用.提出一种数据增强的跨模态行人 重 ...
最新文章
- 独家|深度学习训练和推理之间有什么差异?
- boost signals2 coroutine
- mysql获取当前时间,前一天,后一天(执行效率比较高)
- java编写学籍管理系统_java学籍管理系统源代码.doc
- linux 摄像头设置时间同步,linux系统设置时间同步
- DELPHI 初学.
- 全网首发:LINUX编译JNA:编译产生jna.jar
- Tomcat内存溢出(OutOfMemoryError)
- .net core | donet core IIS 文件路径问题
- [人脸关键点检测] Wing loss 论文解读
- java的包资源管理器怎么弄出来_eclipse包资源管理器java项目,包,类重命名 来学习吧...
- 数字序列 Number Sequence
- 如何重装服务器的系统教程,如何重装服务器系统教程
- 将数组格式的字符串转换成数组
- android qq存储方式,手机qq设置保存路径图解步骤
- PLC中ST编程的基础知识
- 用管理学的观点看个人管理
- 食品电商如何实现精益化管理?
- 保护眼睛绿色桌面资源
- 日本知名汽车零部件公司巡礼系列之株式会社97