cross-modality

跨模态行人重识别：Cross-Modality Person Re-Identification with Generative Adversarial Training 学习记录笔记

目录摘要方法cmGANGeneratorDiscriminatorTrainingAlgorithmExperiments论文链接：https://www.ijcai.org/Proceedings/2018/0094.pdf摘要（1）提出一种新的跨模态生成对抗网络（称为cmGAN）。为了解决鉴别信息不足的问题，设计了一种基于生成对抗训练的鉴别器，从不同的模式中学习鉴别特征表示。（2）为了解决大规

深度学不会习·2024-02-09 22:35

跨模态行人重识别：Discover Cross-Modality Nuances for Visible-Infrared Person Re-Identiﬁcation学习记录笔记

目录摘要网络结构具体方法MAMPAM模态分类损失共享特征ID损失中心簇损失总损失试验注意模式可视化分布结果原文链接：DiscoverCross-ModalityNuancesforVisible-InfraredPersonRe-Identiﬁcation摘要提出了一种联合模态和模式对齐网络(MPANet)来发现可见红外人Re-ID不同模式中的跨模态细微差别，它引入了模态缓解模块和模式对齐模块来共

深度学不会习·2024-02-09 22:35

【跨模态行人重识别】RGB-Infrared Cross-Modality Person Re-Identification(ICCV2017)

文章目录摘要1介绍2SYSU-MM01数据集2.1数据集描述2.2评估标准3跨模态模型的网络结构比较3.1常见的深度模型网络结构3.2网络结构分析单流结构和双流结构在特殊情况下的联系（双流网络可以用单流网络表示）一般情况下的单流结构分析4深度零填充4.1零填充作为网络输入的分析（梯度分析）4.2RGB-IR应用深度零填充4.3跨模态学习的比较5实验5.1比较的模型5.2模型比较与分析6总结摘要行人

渺渺404·2024-02-09 22:05

论文阅读17 | Cross-modality Person re-identification with Shared-Specific Feature Transfer

论文：Cross-modalityPersonre-identificationwithShared-SpecificFeatureTransfer（基于共享特征和具体特征转移的跨模态行人重识别）出处：CVPR2020文章目录1.motivation2.proposedmethod2.1Two-streamfeatureextractor2.2Shared-SpecificTransferNetw

Hygge MrYang·2023-11-27 12:25

DualCross：Cross-Modality Cross-Domain Adaptation for Monocular BEV Perception——论文笔记

主页：homepage参考代码：DualCross1.概述介绍：去年（2022年）大家都在卷各式各样的view-transfer，到了今年就沉寂了不少，鲜有新的view-transfer提出，也有一些对于行业更加工程实际的paper出来了。这篇文章便是通过从domain-adaption和distillation技术角度去缓解BEV感知方案部署的痛点问题。当训练时的数据分布与实际部署时的训练分布不

m_buddy·2023-06-20 13:12

Cross-Modality Transformer for Visible-Infrared Person Re-Identification—跨模态的另一开篇之作，思想借鉴了以往研究，并作出改进

文章目录Cross-ModalityTransformerforVisible-InfraredPersonRe-Identification（用于可见-红外行人再识别的跨模态Transformer）研究背景论文分析网络框架1、Modality-levelAlignmentModule（模态级对齐模块）2、Instance-levelAlignmentModule（实例级对齐模块）3、Traini

JJxiao24·2023-04-14 23:40

跨模态行人重识别：Hetero-Center Loss for Cross-Modality Person Re-Identification

Hetero-CenterLossforCross-ModalityPersonRe-Identification目录Hetero-CenterLossforCross-ModalityPersonRe-IdentificationAbstract1、Introduction2、OurApproach2.1、问题描述2.2、异质中心损失（Hereo-CenterLoss）2.3、双流局部特征网络3

许清如·2023-01-12 16:24

LXMERT:Learning Cross-Modality Encoder Representations from Transformers

LXMERT:LearningCross-ModalityEncoderRepresentationsfromTransformers视觉-语言推理需要理解视觉概念、语言语义，最重要的是，理解两种模态之间的一致性和关系。解决问题针对视觉和语言模态对的大规模预训练和微调的模型。研究方法和创新点作者以BERT模型为基础，同时进一步适应于跨模态场景。该跨模态模型专注于学习视觉和语言的交互，特别是对于单个

但愿此生，从未邂逅·2022-12-25 22:16

Towards Cross-Modality Medical Image Segmentation with Online Mutual Knowledge Distillation论文的研读

TowardsCross-ModalityMedicalImageSegmentationwithOnlineMutualKnowledgeDistillation论文的研读原文出处：英文原文本文主要翻译了摘要引言以及结论部分，方法以及结果部分捡重点进行翻译研读，有不恰当之处，敬请指出！摘要：深度卷积神经网络的成功部分归功于大量注释的训练数据。然而，在实践中，获取医疗数据注释通常是昂贵且耗时的。考

我就是我2333·2022-12-22 10:16

2020-TMI-Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic

作者在论文中提到在生成图像空间的特征对齐。这块理解有点不清楚？对于目标域到源域生成器（由E&U组成）生成的类源图像，作者添加一个附加任务至源判别器来区分所生成的图像/输入图像是从重建得到，还是从真实目标图像变化而来。如果判别器能成功地区分出生成图像的域，意味着所提取到的特征仍然包含域特征。为了确保特征域不变性，以下对抗损失被运用来监督特征提取的过程。值得注意的是编码器E被鼓励提取域不变特征，通过从

开心就哈哈·2022-12-22 09:43

CVPR2022:Generalizable Cross-modality Medical Image Segmentation via StyleAugmentation and Dual Norm

CVPR2022:GeneralizableCross-modalityMedicalImageSegmentationviaStyleAugmentationandDualNormalization基于样式增强和双重归一化的通用跨模态医学图像分割0.摘要1.概述2.方法2.1.定义和概述2.2.风格增强模块2.3.双归一化基础网络2.4.基于风格的路径选择2.5.训练细节参考文献论文下载开源代码

HheeFish·2022-12-22 09:37

浅读LXMERT: Learning Cross-Modality Encoder Representations from Transformers

这篇文章提出的模型在视觉问答（VQA，GQA）上得到了最好的结果，甚至今年后续以此为基础或对照的的文章都没有超越这个结果。论文中很多地方提到这一方法是用到了BERT模型的方法（BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding）参考博客：博客整个模型，作者意图是将其称为预训练，输出的视觉，语言和跨模态结果

是尘埃呀！·2022-12-20 18:32

2019LXMERT：Learning Cross-Modality Encoder Representations from Transformers

摘要视觉-语言推理不仅需要视觉概念、语言语义的理解，更需要这两个模态的对齐和关系。因此，我们提出LXMERT(从Transformers中学习跨模态编码器表示)框架来学习视觉和语言的连接。在LXMERT中，我们构建了一个大规模的Transformer模型包含三个编码器：一个对象关系编码器、一个语言编码器和一个跨模态编码器。接下来，为了赋予我们模型连接视觉和语言语义的能力，我们通过五种不同的预训练任

weixin_42653320·2022-12-20 18:02

LXMERT: Learning Cross-Modality Encoder Representations from Transformers

目录ModelArchitecturePre-TrainingStrategiesExperimentalSetupandResultsReferencesLXMERT:LearningCross-ModalityEncoderRepresen-tationsfromTransformersModelArchitectureInputEmbeddings:inputembeddinglayers负

连理o·2022-12-20 18:01

LXMERT: Learning Cross-Modality Encoder Representations from Transformers 论文笔记

文章目录1.文章概要2.模型体系结构2.1InputEmbeddings2.2编码器2.3输出表示3.预训练任务3.1LanguageTask:MaskedCross-ModalityLM3.2VisionTask:MaskedObjectPrediction3.3跨模态任务4.实验结果文章下载地址：.1.文章概要视觉-语言推理需要对视觉概念、语言语义有一定的理解，尤其还需要能在这两个模态之间进行

小有名气的可爱鬼·2022-12-20 17:31

EMNLP 2019 LXMERT: Learning Cross-Modality Encoder Representations from Transformers

动机视觉语言推理要求对视觉内容、语言语义以及跨模态的对齐和关系进行理解。过去已有大量的工作，分别开发具有更好的表示方法的骨干模型，用于语言和语音的单一模态。对于现有的视觉内容，人们已经开发了几个骨干模型，并在大型视觉数据集上显示了它们的有效性。开拓性工作还通过在不同任务上微调这些预训练的（特别是在ImageNet上）骨干模型来显示它们的泛化性。在语言理解方面，去年，本论文在构建具有大规模语境化语言

smile909·2022-12-20 17:00

lxmert:learning cross-modality encoder representations from transformers

LXMERT:LearningCross-ModalityEncoderRepresentationsfromTransformers论文笔记_小有名气的可爱鬼的博客-CSDN博客视觉-语言推理需要对视觉概念、语言语义有一定的理解，尤其还需要能在这两个模态之间进行对齐、找到关系。作者们提出了LXMERT框架来学习这些语言和视觉的联系，它含有三个编码器：一个对象关系编码器、一个语言编码器和一个跨模态

Kun Li·2022-12-20 17:00

＜＜多模态预训练and视觉问答＞＞2019：LXMERT: Learning Cross-Modality Encoder Representations from Transformers

目录摘要：一、介绍二、模型结构2.1InputEmbeddings2.2Encoders2.3OutputRepresentations三、预训练策略3.1Pre-TrainingTasks3.1.1LanguageTask:MaskedCross-ModalityLM3.1.2VisionTask:MaskedObjectPrediction3.1.3Cross-ModalityTasks3.2

金克丝、·2022-12-20 17:28

【论文笔记】LXMERT: Learning Cross-Modality Encoder Representations from Transformers

Vision-and-languagereasoningrequiresanunderstandingofvisualconcepts,languagesemantics,and,mostimportantly,thealignmentandrelationshipsbetweenthesetwomodalities.做视觉文本的理解任务，需要模型能理解视觉概念和文本语义信息，但最重要的是视觉和文

烫烫烫烫的若愚·2022-12-20 17:56

LXMERT: Learning Cross-Modality Encoder Representationsfrom Transformers

LXMERT:学习Transformer的跨模态编码器表示一、创新点构建了一个大规模Transformer模型，该模型由3个编码器组成：（1）对象关系编码器（objectrelationshipencoder）（2）语言编码器（languageencoder）（3）跨模态编码器（cross-modalityencoder）然后用大量的图像-句子对对模型进行预训练,用来学习模态内和跨模态关系。二、方

pinkshell_1314·2022-12-20 17:23

[2021]Cross-modality Discrepant Interaction Network for RGB-D Salient Object Detection

小羊咩~·2022-12-11 13:16

【论文阅读】CIR-Net: Cross-Modality Interaction and Refinement for RGB-D Salient Object Detection

作者：RunminCong,QinweiLin,ChenZhang,ChongyiLi,XiaochunCao,QingmingHuang,andYaoZhao期刊：IEEETransactionsonImageProcessing(Volume:31)2022代码：rmcong/CIRNet_TIP2022(github.com)目录OverviewProgressiveAttentiongui

bubblebibo~·2022-12-11 13:13

RGB-D Salient Object Detection with Cross-Modality Modulation and Selection

RGB-DSalientObjectDetectionwithCross-ModalityModulationandSelection具有跨模态调制和选择的RGB-D显着目标检测一、Motivationtwochallenge：1）如何有效地整合来自RGB图像及其对应的深度图的互补信息；2）如何自适应地选择更多与显着性相关的特征。二、Solutions(1)cross-modalityfeatur

小羊咩~·2022-12-06 13:46

论文阅读13 | AGW: A New Baseline for Single-/Cross-Modality Re-ID

文章目录1.AGW主要有以下三个主要的部分2.OverallFramework3.实验结果1.AGW主要有以下三个主要的部分（1）Non-localAttention(Att)Block我们采用强大的非局部注意块，来获得所有位置的特征的加权和。其中Wz是一个要学习的权值矩阵，φ（·）表示一个非局部操作，而+xi制定了一个残余学习策略。模块的输入输出维度相同。（2）Generalized-mean(

Hygge MrYang·2022-12-02 11:10

LXMERT:从Transformers学习跨模态编码器表示LXMERT: Learning Cross-Modality Encoder Representations from Transfors

摘要视觉和语言推理需要理解视觉概念、语言语义，以及最重要的是，这两种模式之间的对齐和关系。因此，原论文提出了LXMERT（从Transforms学习跨模态编码器表示）框架来学习这些视觉和语言连接。在LXMERT中，原论文构建了一个大型转换器模型，该模型由三个编码器组成：对象关系编码器、语言编码器和跨模态编码器。接下来，为了赋予模型连接视觉和语言语义的能力，原论文通过五个不同的代表性预训练任务，使用

管二狗绝不摆烂·2022-11-30 19:18

跨模态行人重识别：Hetero-Center Loss for Cross-Modality Person Re-Identification学习记录笔记

原文链接：https://www.sciencedirect.com/science/article/pii/S0925231219318156目录摘要方法CElossHetero-CenterLossTwo-StreamLocalFeatureNetwork特征提取特征嵌入试验测试结果摘要（1）提出了一种新的损失函数，称为Hetero-Centerloss(HCloss)，以减少类内跨模态变化，

深度学不会习·2022-11-26 22:17

[深度学习论文笔记]Cross-Modality Deep Feature Learning for Brain Tumor Segmentation

Cross-ModalityDeepFeatureLearningforBrainTumorSegmentation跨通道深度特征学习在脑肿瘤分割中的应用Published:PatternRecognition2021论文：https://arxiv.org/abs/2201.02356代码：机器学习和数字医学图像的流行，为利用深度卷积神经网络解决具有挑战性的脑肿瘤分割(BTS)任务提供了机会

Slientsake·2022-11-22 07:35

Discover Cross-Modality Nuances for Visible-Infrared Person Re-Identification（超详细分析，一看就懂）

DiscoverCross-ModalityNuancesforVisible-InfraredPersonRe-Identification（发现用于可见光-红外行人重识别的跨模态细微差别）—学习笔记原文来源：CVPR2021研究背景可见光-红外人识别（Re-ID）旨在匹配来自不同模态的相同身份的行人图像。现有的研究主要集中于通过调整不同模态的特征分布来缓解模态差异。在本文中，提出了一种联合

JJxiao24·2022-11-21 02:41

论文阅读: MeshTalk: 3D Face Animation from Speech using Cross-Modality Disentanglement

文章目录可借鉴的点输入输出贡献method1.建模和学习表达空间LearningtheLatentSpaceNetworkArchitectures2.Audio-ConditionedAutoregressiveModeling(自回归建模)Evaluation1.Datasetspeechfeatures可借鉴的点跨模态损失语音比视频帧超前，在奥巴马那里也有体现这个的audioencoder挺

live_for_myself·2022-11-19 20:15

论文解读：跨模态/多光谱/多模态检测 Cross-Modality Fusion Transformer for Multispectral Object Detection

（可见图像和热成像）右侧的热图像可以在光照不足的情况下捕捉到更清晰的行人轮廓。此外，热图像还捕捉到被柱子遮挡的行人。在光线充足的白天，视觉图像比热图像具有更多的细节，例如边缘、纹理和颜色。有了这些细节，我们可以很容易地找到隐藏在机动三轮车中的司机，而这在热图像中是很难找到的。1.瓶颈问题：现实世界中环境是不断变化的，比如雨天，雾天，晴天，阴天等等，算法很难在仅仅用可见传感器数据（如相机拍下来的图像

pontoon·2022-10-26 07:23

Cross-Modality 3D Object Detection论文笔记

Cross-Modality3DObjectDetection（point-wisefusion+roi-wisefusion）WACV2021先验知识：RPN的分类分数只是用来判断anchor是否含有目标，但可能对应是正例的anchor没完全包含目标，不过没有影响，这些都是靠RPN的另一分支去做位置回归来调整，有目标就是正例，只有分类为正例的anchor才会进行位置修正。在检测头回归bbox坐标

Rolandxxx·2022-10-13 09:13

行人重识别（三）论文笔记 RGB-Infrared Cross-Modality Person Re-Identification

论文链接RGB-InfraredCross-ModalityPersonRe-Identification代码链接rgb_IR_personreid以下内容并非完整翻译！0.引言现阶段大部分工作都关注基于RGB图像的Re-ID，然而在很多应用场景中RGB是无法满足监控需要的，例如黑暗环境，因此红外图像（Infraredimage）就很有必要了，而红外图像与RGB图像之间存在着较大差异，因此，基于R

石头儿啊·2022-03-17 07:37

行人重识别之RGB-Infrared Cross-Modality Person Re-identification via Joint Pixel and Feature Alignment

行人重识别阅读笔记之RGB-InfraredCross-ModalityPersonRe-identificationviaJointPixelandFeatureAlignment简介主要问题模型结构1、像素对齐模块PixelAlignmentModule2、特征对齐模块FeatureAlignmentModule3、联合判别模块JointDiscriminatorModule简介paper：h

花椒蛋糕·2022-03-17 07:06

学习笔记： RGB-Infrared Cross-Modality Person Re-Identification --数据集SYSU-MM01

https://www.isee-ai.cn/project/RGBIRReID.htm红外成像技术是一项前途广阔的高新技术。比0.78微米长的电磁波位于可见光光谱红色以外，称为红外线，又称红外辐射。是指波长为0.78—1000微米的电磁波，其中波长为0.78—2.0微米的部分称为近红外，波长为2.0—1000微米的部分称为热红外线。自然界中，一切物体都可以辐射红外线，因此利用探测仪测量目标本身与

AIchiNiurou·2022-03-17 07:03

RGB-Infrared Cross-Modality Person Re-Identification论文阅读笔记

论文地址项目地址代码地址行人重识别中的跨模态问题摘要在这项工作中，我们解决RGB-IR交叉模态Re-ID问题，并提出了一个新的多模态Re-ID数据集SYSU-MM01，包括来自6个摄像头的491个identities的RGB和IR图像，共给出287628个RGB图像和15792个红外图像。为了探讨RGB-IRREID问题，我们评估了现有的跨域模型，包括三种常用的神经网络结构（一流、两流和非对称FC

weixin_42881607·2022-03-17 07:01

近红外跨模态行人重识别（RGB-IR Cross-Modality Re-id）(一)

1.写在前面本文是我阅读近红外的跨模态行人重识别（RGB-IRCross-ModalityRe-id）文献的笔记，由于网上对该方面介绍的博客很少，所以这里我记录下阅读文章的一些要点和我自己对这些问题的思考。2.综述1.BeyondIntra-modalityDiscrepancy:AComprehensiveSurveyofHeterogeneousPersonRe-identification2

再困也得吃·2022-03-17 07:24

近红外跨模态行人重识别（RGB-IR Cross-Modality Re-id）(二)

接着第一篇文章，继续介绍后面的方法4.VisibleThermalPersonRe-IdentificationviaDual-ConstrainedTop-Ranking简介：本文的作者与之前的HCML的作者为同一人，两种框架基本一致，但本文的损失函数较HCML的损失函数更直观，更易于理解。特点:三元损失函数的构建：跨模态的三元损失函数，并同时引入了难例挖掘：同模态的样本，拉近其距离：5.HPI

再困也得吃·2022-03-17 07:54

跨模态行人重识别：RGB-Infrared Cross-Modality Person Re-Identification（2017 ICCV）

RGB-InfraredCross-ModalityPersonRe-Identification文章目录RGB-InfraredCross-ModalityPersonRe-IdentificationAbstract一、Introduction二、SYSU-MM01三、跨模态网络比较四、结论Abstract1、提出了RGB-IR跨模态ReID问题。2、贡献了名为SYSU-MM01的多模态数据集

许清如·2022-03-17 07:51

论文阅读笔记之RGB-Infrared Cross-Modality Person Re-Identification via Joint Pixel and Feature Alignment

RGB-InfraredCross-ModalityPersonRe-IdentificationviaJointPixelandFeatureAlignment发表在ICCV2019上，是一篇利用GAN来解决基于RGB-IR的ReID问题的文章。摘要夜间行人重识别在视频监控、安防等领域有着重要的应用，但是该问题却没有被很好的解决。这主要是因为夜间红外行人图像和日间彩色行人图像之间存在巨大的模态差

王师北·2022-03-17 07:51

论文阅读笔记Cross-Modality Paired-Images Generation for RGB-Infrared Person Re-Identification（上）

该篇文章发表于AAAI2020，系跨模态行人重识别范畴，是用GAN解决ReID问题的一个新的思路。论文作者信息为：摘要由于RGB图像和IR图像之间的较大模态差异，RGB-Infrared行人重识别很有挑战性。解决跨模态ReID的关键，是学习RGB和IR两种模态间的对齐特征。然而由于在每对RGB和IR图像间缺乏对应标签，目前的大部分方法都会尝试利用set-level(集合级别)的对齐来减小模态之间的

王师北·2022-03-17 07:20

论文笔记004：[ICCV2019]RGB-Infrared Cross-Modality Person Re-Identification via Joint Pixel and Feature A

论文地址项目主页摘要夜间行人重识别在视频监控、安防等领域有着重要的应用，但是该问题却没有被很好的解决。这主要是因为夜间红外行人图像和日间彩色行人图像之间存在巨大的模态差异，这种差异使得跨模态图像匹配变得更加困难。为了解决夜间行人重识别的问题，本文创新性的提出了像素对齐（PixelAlignment）的思路来缓解模态差异问题，并提出联合判别（JointDiscriminator）的策略来保持对齐过程

Coder_L2·2022-03-17 07:17

2017 ICCV之ReID：RGB-Infrared Cross-Modality Person Re-Identification

RGB-InfraredCross-ModalityPersonRe-Identification本文是第一个提出RGB-Infrared跨模态的ReID框架。目前的问题：Re-ID是视频监控中的一个重要问题，其目的是在摄像机视点上匹配行人的即时信息，目前，大多应用于RGB图像中，但例如在黑暗环境中，这样是远远不够的，在许多视觉系统中，红外（Infrared(IR)）成像是必不可少的。为此，需要将

用GAN得有GPU·2022-03-17 07:17

跨模态行人重识别：RGB-Infrared Cross-Modality Person Re-Identification 学习记录笔记

目录原文链接摘要:1介绍1.1数据集：1.2贡献1.3评估2网络结构比较2.1One-streamStructure2.2Two-streamStructure2.3AsymmetricFClayerstructur3网络结构3.1单流和双流结构的连接3.2单流结构3.3备注4深度零填充4.1网络输入分析4.2RGB-IR深度零填充5实验5.1模型比较5.2模型分析原文链接论文链接：RGB-Inf

深度学不会习·2022-03-17 07:34

多标签分类(七):Cross-Modality Attention with Semantic Graph Embedding for Multi-Label Classification

基于语义图嵌入的跨模注意多标签分类摘要多标签图像和视频分类是计算机视觉中最基本但又极具挑战性的任务.主要的挑战在于捕获标签之间的空间或时间依赖，并发现每个类的区别特征的位置.为了克服这些挑战，我们提出利用交叉模态注意和语义图嵌入来进行多标签分类.在构造标签图的基础上，提出了一种基于邻接的相似图嵌入方法来学习语义标签嵌入，这种方法能明确利用标签之间的关系。在标签嵌入的指导下，生成了新的交叉模态注

落花满蹊径·2020-09-28 20:35

19ICCV之REeID：RGB-Infrared Cross-Modality Person Re-Identification via Joint Pixel and Feature Alignm

RGB-InfraredCross-ModalityPersonRe-IdentificationviaJointPixelandFeatureAlignment当前的问题及概述：传统的方法主要是通过特征表示学习来弥补跨模态和特征对齐之间的差异，其基本思想是通过特征表示学习来匹配真实的RGB和IR图像。由于两种模式之间存在较大的交叉模态差异，因此很难在共享的特征空间中准确地匹配RGB和IR图像。同

matlabLKL·2020-09-15 17:48

ACL 2020 《Cross-Modality Relevance for Reasoning on Language and Vision》论文笔记

目录简介动机贡献方法实验简介本文设计了一个Cross-ModalityRelevanceModule（跨模态相关模块），对不同模态的信息进行关联，且在不同的task上都是端到端训练。下载链接动机跨模态表示学习中，有一类方法致力于寻找处理不同模态数据时，components和structure的相关性，现有的方法多使用注意力机制。随着信息检索领域的发展，寻找不同信息之间的相关性（也就是“matchi

NeverMoreH·2020-09-10 15:00

论文分享 Unsupervised Cross-Modality Domain Adaptation of ConvNets for Biomedical Image Segmentations wi

摘要：卷积网络(ConvNet)在各种具有挑战性的视觉任务中取得了巨大的成功。然而，当遇到域偏移时，ConvNet的性能会降低。领域自适应在生物医学图像分析领域具有更大的意义，同时在生物医学图像分析领域具有挑战性，其中跨模态数据具有很大的不同分布。鉴于注释医疗数据是特别昂贵的，有监督的迁移学习方法并不是很理想。本文提出了一种用于跨模态生物医学图像分割的具有对抗性学习的无监督域自适应框架。具体来说，

Klay Ye·2020-08-20 04:00

2020 AAAI之ReID：Attend to the Difference: Cross-Modality Person Re-identification via Contrastive

AttendtotheDifference:Cross-ModalityPersonRe-identificationviaContrastiveCorrelation当前的问题及概述：本文针对1，在featureembedding中，以往的工作通常经过GAP和全连接层，输出的是二维向量（如1×1×2048），不能保持很好的空间特征，人类在比较两个相似物体时通常会注意到它们之间的差异这一特点，提出

matlabLKL·2020-08-18 11:06

Cross-modality Person re-identification with Shared-Specific Feature Transfer——论文周报

文章目录1标题2概述3创新点4算法及实验4.1模型及算法双流特征提取器(Two-streamfeatureextractor)共有-特有转移网络(Shared-SpecificTransferNetwork,SSTN)①亲和力模型(Affinitymodeling)②共享和特定信息的传播共有-特有互补学习(Sharedandspecificcomplementarylearning)①共享特征的模

远方的河岸·2020-07-28 07:44

CVPR 2020之ReID：Cross-modality Person re-identification with Shared-Specific Feature Transfer

Cross-modalityPersonre-identificationwithShared-SpecificFeatureTransfer当前的问题及概述：现有的研究主要集中在通过将不同的模态嵌入到同一个特征空间中来学习共同的表达。然而，只学习共同特征意味着巨大的信息损失，降低了特征的差异性。在本文中，提出了一种新的跨模态共享特征转移算法(cm-SSFT)来解决上述问题，以探索模态共享信息和特

matlabLKL·2020-07-11 20:36

推荐频道