re-id论文学习第11页

基于深度学习的图像处理算法论文学习

近年来，深度学习技术得到了巨大的发展，并广泛应用于图像处理领域。相对于许多传统算法，深度学习技术从海量的训练数据中学习到的先验知识具有更强的泛化能力和更复杂的参数化表达，且无需调节算法参数以适应不同的应用场景。得益于上述优势，深度学习技术己经广泛应用于图像处理领域，如何利用深度学习算法提升图像处理的效果也变成了一个重要的研究方向。尽管深度学习技术显著促进了图像处理领域的发展，但是受限于其对训练数据

海纳百川的系统·2022-11-21 12:15

论文阅读：ICCV2021 TransReID: Transformer-based Object Re-Identifification

作者：何舒婷罗浩浙江大学和阿里巴巴ICCV2021，首个将Transformer用于Re-ID的工作TransReID在行人和车辆重识别任务上均表现SOTA！

zqx951102·2022-11-21 10:30

Colorization论文学习笔记

Colorization论文学习笔记整理一下colorization方面的几篇论文，方便自己理理思路。

withIceCream·2022-11-21 08:10

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

JJxiao24·2022-11-21 02:41

论文学习笔记（15）：Low-resolution face recognition（CSRI网络）

目录1.架构2.损失函数CSRI是一篇18年的文章了，这里主要是在阅读论文的过程中看到了相关的架构，但是并没有在网上检索到相关的笔记，故对其粗略的进行了一下小结以作记录。1.架构CSRI方法将VDSR作为SR部分的架构，CenterFace作为FR部分的架构2.损失函数SR部分：MSElossFR部分：softmaxCross-Entropyloss由于合成和nativeLR人脸图像之间的差异，对

鱿鱼圈是真鱿鱼吗·2022-11-21 02:42

论文学习笔记（13）：Face re-identification challenge: Are face recognition models good enough?

目录Abstract1.Introduction2.Relatedwork2.1人脸识别问题的研究现状2.2人脸识别方法2.3图像超分2.4行人re-ID2.5监控人脸re-ID3.Facere-IDchallenge3.1SurvFacedataset3.2评价方案4.Experimentalevaluations4.1监控人脸4.2超分后的监控人脸Abstract这篇文章是关于Facere-I

鱿鱼圈是真鱿鱼吗·2022-11-21 02:41

《Deep Learning for Image Super-resolution:A Survey》论文学习笔记

《深度学习在图像超分辨率重建中的应用综述》目录一、定义二、一些超分辨率数据集三、图像质量评估方法（IQA）四、常用的SR框架1、Pre-upsamplingSuper-resolution2、Post-upsamplingSuper-resolution3、ProgressiveUpsamplingSuper-resolution4、IterativeUp-and-downSamplingSupe

爱吃兔子的胡萝卜RR·2022-11-21 02:04

FSRCNN论文学习笔记

SRCNN作为卷积神经网络应用于SR领域0到1的突破，与传统的图像重建方法相比取得了较好的性能。在此基础上，ChaoDong等人针对其存在的问题进行了改进，进一步提出了更为轻量型的FSRCNN网络，在保证性能的基础上大大提升了网络速度。SRCNN网络存在两个显著的不足：①在图像预处理阶段通过双三次插值将原始LR图像放大至目标HR图像，后续操作均在插值放大后的图像上进行，计算复杂度为；②复杂的非线性

爱吃兔子的胡萝卜RR·2022-11-21 02:34

SRCNN论文学习笔记

SRCNN是将深度学习卷积神经网络应用于单幅图像重建领域的开山之作，网络结构如下：首先将输入原始低分辨率图像(LR)，通过双三次插值放大至目标高分辨率图像(HR)尺寸，中间包括三个卷积层：图像特征提取层、非线性映射层、重建输出层，最终输出目标大小的高分辨率图像。训练集：91张自然图像，切割为大小33×33的子图像块作为输入，因此可以分解为2-3万个子图像，LR子图像与HR标签生成一个h5文件；验证

爱吃兔子的胡萝卜RR·2022-11-21 02:34

VDSR论文学习笔记

VDSR网络是韩国首尔国立大学JiwonKim等人在SRCNN基础上又一次新的突破，在单图像超分辨率重建（SR）方面展示出了更好的性能。针对SRCNN存在的三个局限性：①依赖于小图像区域的Context；②收敛速度较慢；③网络只适用于单一规模。VDSR的主要改进：①使用非常大的感受野（41×41）和非常深的网络（20层），以适应非常大的图像区域上的上下文信息；②残差学习和梯度裁剪，学习LR到HR图

爱吃兔子的胡萝卜RR·2022-11-21 02:01

论文学习水水水水

SCI、EI、SSCI、A&HCI、ISTP是世界上重要的检索系统，其收录论文的状况是评价国家、单位和科研人员的成绩、水平以及进行奖励的重要依据之一。《SCI》（科学引文索引，ScienceCitationIndex）创刊于1963年，是美国科学情报研究所（ISI）出版的一部世界著名的期刊文献检索工具。SCI收录全世界出版的数、理、化、农、林、医、生命科学、天文、地理、环境、材料、工程技术等自然科

木白星枝·2022-11-21 00:37

3D车道线检测杂记

spade_eddie·2022-11-21 00:53

Poly-YOLO 学习

关于论文学习Poly-YOLO建立在YOLOv3的原始思想的基础上，并消除了它的两个弱点：标签重写和anchor分配不平衡。

六个核桃Lu·2022-11-20 16:39

【论文学习ATLOP】Document-Level Relation Extraction

【论文学习ATLOP】Document-LevelRelationExtractionwithAdaptiveThresholdingandLocalizedContextPooling（2020）摘要创新点自适应阈值

Eve_Mercedes·2022-11-20 14:29

CoAtNet Marrying Convolution and Attention for All Data Sizes 论文学习

AbstractTransformers在计算机视觉任务上得到了越来越多的关注，但仍落后于SOTA卷积网络。本文作者证明，尽管Transformers具有更强的模型能力，但因为缺乏归纳偏置特性，它的泛化性要落后于CNN。为了有效地结合二者的长处，作者提出了CoAtNets，它的构建主要基于两个关键想法：（1）我们可以通过简单的相对注意力将深度卷积和自注意力自然统一；（2）在提升泛化性、能力和效率方

calvinpaean·2022-11-20 10:25

Mask OBB 论文学习笔记

论文基本信息标题：MaskOBB:ASemanticAttention-BasedMaskOrientedBoundingBoxRepresentationforMulti-CategoryObjectDetectioninAerialImages作者：JinwangWang,JianDing,HaowenGuo,WenshengCheng,TingPanandWenYang机构：Schoolof

长歌丶采薇·2022-11-20 08:13

【论文学习】《Who is Real Bob? Adversarial Attacks on Speaker Recognition Systems》

AdversarialAttacksonSpeakerRecognitionSystems》论文学习文章目录《WhoisRealBob?

FallenDarkStar·2022-11-20 01:31

Frustum PointNets for 3D Object Detection from RGB-D Data 论文学习笔记

Abstract论文中直接通过对RGB-D的原始扫描图来对原始点云进行处理。这个方法的关键挑战是如何在大规模场景的点云中对物体进行定位（regionProposal）相较于只使用3D图的proposal，我们的方法在物体定位中使用了成熟的2D物体检测器和额外的3D深度学习。这使得我们的模型在高效的基础上获得很高的召回率（recall指正例被预测正确的比例）得益于直接对原始的3D点云进行处理，我们的

健身的程序猿·2022-11-19 15:43

论文学习笔记：GraphSAGE

本文介绍一个inductivenodeembedding的框架——GraphSAGE。算法与其他transductivelearning方法的优势在于，学习一系列能够聚合邻居节点特征，生成中心节点表示的aggregator。而不是只学习当前训练集的nodeembedding。所以模型可以很好的推广到新的graph上。算法在citation和Reddit数据集上取得了artofstate的表现。并且

weixin_40675092·2022-11-19 13:42

【论文笔记】Neural Graph Collaborative Filtering

《NeuralGraphCollaborativeFiltering》论文学习文章目录《NeuralGraphCollaborativeFiltering》论文学习摘要一、介绍二、NGCF2.1EmbeddingLayer2.2EmbeddingPropagationLayers

卷不动·2022-11-19 07:57

CE-Net论文学习笔记

原文：https://arxiv.org/abs/1903.02740代码：https://github.com/Guzaiwang/CE-Net摘要：基于U-Net的方法不断被提出，但是，连续的池化和卷积导致部分空间信息的丢失。本文提出一种上下文编码网络(称为CE-Net)来捕获更多高级信息并保留空间信息用于2D医学图像分割。CE-Net主要包含三个模块：特征编码模块，上下文提取模块和特征解码模

Vincent8514·2022-11-18 09:15

【论文学习笔记】《Tacotron: Towards End-To-End Speech Synthesis》

Tacotron论文学习文章目录Tacotron论文学习摘要1简介2相关工作3模型架构3.1CBHG模块3.2编码器3.3解码器3.4后置处理网络与波形合成4模型细节5实验5.1烧蚀分析5.2平均意见得分测验

FallenDarkStar·2022-11-18 08:53

Vision Transformer学习笔记

目录前言一、学习链接1.本文主要学习地址2.VIT值得一看的学习链接3.相关知识点的学习链接二、论文学习笔记1.AboutVIT（关于VIT）2.Title（标题）3.Abstract（摘要）4.Introduction

阿拉斯加不迷路·2022-11-17 17:23

理解transformer源码

本文参考哈佛开源代码，对代码进行了一些修改，结合论文学习笔记加深对transformer算法整体的理解。

athrunsunny·2022-11-17 17:16

车道线检测-GANet-CVPR2022论文学习笔记

论文：《AKeypoint-basedGlobalAssociationNetworkforLaneDetection》代码：https://github.com/Wolfwjs/GANet地址：http://arxiv.org/pdf/2204.07335内容：使用CNN，基于关键点检测车道线整体结构模型还有一个补充分支（CompensationMapδ^yx\hat{\delta}_{yx}δ

tomeasure·2022-11-16 17:26

车道线检测-BezierLaneNet-CVPR2022论文学习笔记

论文：《RethinkingEfficientLaneDetectionviaCurveModeling》代码：https://github.com/voldemortX/pytorch-auto-drive地址：https://arxiv.org/abs/2203.02431内容：使用CNN，基于贝塞尔曲线拟合车道线整体结构特征提取器：三层ResNet结合RESA模块。特征提取器上还要加一个辅助

tomeasure·2022-11-16 17:55

离线强化学习论文学习 Critic Regularized Regression

CriticRegularizedRegression1.摘要离线强化学习(RL)，也被称为批量RL，提供了在没有在线环境交互的情况下从大型预记录数据集进行策略优化的前景。它解决了数据收集成本和安全性方面的挑战，这两方面都与RL的实际应用特别相关。不幸的是，大多数非策略算法在从固定数据集学习时表现很差。在本文中，我们提出了一种新的离线RL算法，使用一种形式的临界正则化回归(CRR)从数据中学习策略

孙敬博·2022-11-15 17:44

【论文学习】：Multi-Person Pose Estimation for PoseTrack with Enhanced Part Affinity Fields

论文地址：https://posetrack.net/workshops/iccv2017/pdfs/ML_Lab.pdf这篇文章，初见简直惊艳以及钦佩，加上参考文献才4面纸，效果竟然拿到了2017年ICCVChallenge1:Single-FramePersonPoseEstimation的第一名。ps：先简单看下论文说的什么。本文给我最大的启示是：人体姿势估计和语义分割之间有着紧密联系。一些

业精于勤荒于嬉-行成于思而毁于随·2022-11-15 16:46

论文学习——基于神经网络和支持向量机的河口盐度预测比较研究

文章目录0封面1摘要2引言2.1物理模型2.2数学模型3研究区域与研究方法4BP神经网络介绍5SVM支持向量机介绍6评价指标7实验7.1输入部分7.2模型构建0封面1摘要实验对象：闽江河口实验方法：采用BP神经网络、SVM支持向量机两种方法预测河口盐度实验结果：（1）SVM支持向量机具有更好的泛化性能和适用性；（2）SVM支持向量机在高盐度预测方面优势较为明显；（3）在样本数量较小的情况下，SVM

谜底是你_·2022-11-09 03:42

GoogleNet论文学习

《GoingDeeperwithConvolutions》GoogLeNet作者：ChristianSzegedy，WeiLiu，YangqingJia，etal.单位：GoogleInc.发表会议及时间：CVPR2015作者简介上一篇文章介绍了VGG网络结构，VGG在2014年ImageNet中获得了定位任务第1名和分类任务第2名的好成绩，而同年分类任务的第一名则是GoogleNet。论文简介提

天涯小才·2022-11-01 19:43

论文学习记录随笔多标签之LSML

原文:Huang,J.,Qin,F.,Zheng,X.,Cheng,Z.-K.,Yuan,Z.-X.,Zhang,W.-G.,&Huang,Q.-M.(2019).Improvingmulti-labelclassificationwithmissinglabelsbylearninglabel-specificfeatures.InformationSciences,492,124–146.目录

LTA_ALBlack·2022-11-01 07:23

论文学习记录随笔多标签之LIFT

原文:分享对论文的理解.原文见Zhang,M.-L.,&Wu,L.(2015).LIFT:Multi-labellearningwithlabel-specificfeatures.IEEETransactionsonPatternAnalysisandMachineIntelligence,37,107–120.目录1.原文摘要理解2.基本符号3.LIFT方法中的算法细节4.LIFT的流程与预测

LTA_ALBlack·2022-11-01 07:23

高光谱图像分类论文学习————SSRN

今天学习的文章是Spectral-SpatialResidualNetworkforHyperspectralImageClassification:A3-DDeepLearningFramework引用：Z.Zhong,J.Li,Z.Luo,andM.Chapman,“Spectral–spatialresidualnetworkforhyperspectralimageclassificati

一条小白鱼·2022-10-31 18:42

论文翻译：Deep SORT: Simple Online and Realtime Tracking with a Deep Association Metric

计算机视觉-Archer·2022-10-29 07:45

【论文学习】BiLSTM-CRF模型及pytorch代码详解

BidirectionalLSTM-CRFModelsforSequenceTagging用于序列标注的双向LSTM-CRF模型序列标注问题输入为特征序列，输出为类别序列。大部分情况下，标签体系越复杂准确度也越高，但相应的训练时间也会增加。因此需要根据实际情况选择合适的标签体系。命名实体识别发展历程BiLSTM-CRF历史意义•拉开命名实体识别深度学习时代的序幕•使模型更加简洁高效，鲁棒性强模型结

lyj157175·2022-10-24 07:11

Swin Transformer论文学习笔记

《SwinTransformer:HierarchicalVisionTransformerusingShiftedWindows》使用移动窗口的层级式视觉Transformer文章目录前言模型方法移动窗口整体架构提升移动窗口计算效率方法参考前言存在的问题：Transformer模型从NLP领域移植到CV领域需要考虑的两个最具挑战性的问题是：1、一幅图像内通常包含多种尺度的实体，然而在NLP中却缺

一云烟雨·2022-10-18 14:06

可变性卷积（Deformable Convolution network）系列论文学习

DeformableConvolutionnetwork0.摘要iccv2017作者觉得传统的卷积感受野太小了，如果进行pooling减少图片的尺寸，在进行卷积肯定会损失很多信息，论文太偏理论，比较难阅读，但是代码写的不错。可变性卷积和空洞卷积有点类似，从周围的像素点中提取信息。作者一共提供了两种新的方法：可变性卷积和可变性池化（原理都是一样的）1.可变形网络1.1可变形卷积b中的图是学习后的产生

Diros1g·2022-10-16 07:58

YOLOv2

YOLOv2论文信息论文标题：论文作者：收录期刊/会议及年份：论文学习Better，Faster，Stronger：Better：Faster：Stronger：论文信息论文标题：YOLO9000:Better

写进メ诗的结尾。·2022-10-12 07:02

论文笔记：Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation

论文学习：LearningPhraseRepresentationsusingRNNEncoder-DecoderforStatisticalMachineTranslation这篇论文算是Seq2Seq

MirrorN·2022-10-03 21:07

论文学习——一种基于DTW的符号化时间序列聚类算法

文章目录1摘要2引言2.1类似的工作SAX2.2本文成果3相关知识3.1极值点EP成为关键点KP的条件3.2DTW距离3.3基于Normal矩阵的谱平分法4本文算法4.1关键点提取4.2基于DTW的符号化聚类算法5实验结果与分析5.1数据部分5.2SyntheticControl数据集中的序列1到序列4的符号表示5.3对于符号化之后得到的复杂网络再进行划分6总结写在前面：期刊：《软件天地》；不知道

仙女不扎马尾.·2022-10-02 07:37

ICCV2019-行人重识别-Pose-Guided Feature Alignment for Occluded Person Re-Identification

我们知道在目标检测的数据集，尤其是较密集的数据集里对检测目标都会有是否遮挡这样的标注，而re-id数据集里，默认的都是少部分遮挡的目标。所以这个工作对于现实场景下的很有帮助。

再困也得吃·2022-09-27 07:51

ICCV2019-行人重识别-Second-order Non-local Attention Networks for Person Re-identification论文阅读

动机：作者总结了常见的Part-base的re-id网络的常见问题，即使用多part虽然会增加精度，但是却忽略了part的之间的联系。所以Non-local是一个可以整体解决多part的办法。

再困也得吃·2022-09-27 07:51

行人重识别—Relation-Aware Global Attention模型介绍及代码实现

行人重识别(re-ID)的目的就是在一个或者多个摄像机拍摄的不同场合下去匹配特定的人。通常给定输入图像，我们使用卷积神经网络来获取特征向量。

ManManMan池·2022-09-27 07:49

如何写好科研论文笔记李玉军清华大学学堂在线课程

如何写好科研论文学习网站（学堂在线）第一章如何造就优秀的学术论文1、研究生如何做学术？

小白*进阶ing·2022-09-21 07:44

论文学习 RetinaFace: Single-stage Dense Face Localisation in the Wild

论文地址：RetinaFace:Single-stageDenseFaceLocalisationintheWild开源地址：https://github.com/deepinsight/insightface/tree/master/RetinaFace.综述 RetinaFace是一个多任务学习的多尺度人脸检测模型，可实现人脸处理领域的检测和关键点提取，并应用了FPN的UpSample实现特

永恒_一瞬·2022-09-16 07:12

数学建模笔记-第七讲-回归分析

文章目录回归分析线性回归介绍回归系数内生性探究蒙特卡罗代码弱化无内生性条件四种模型回归系数的解释四种模型回归系数的解释虚拟变量多分类的虚拟变量设置含交互项的自变量应用题（奶粉例题）数据的描述性统计定量数据定性数据指标总体情况介绍开始回归加入虚拟变量回归加入所有需要的变量总拟合优度低标准化回归系数锐评一篇问题论文学习好论文模型

丸丸丸子w·2022-09-15 07:02

【论文学习】变分推导

来源于CVPR2022的GroupNet，CAVE-based算是一个全新的东西，值得深入研究一下。其中变分推导的理解在下方。以及来源地址*b站上有一个up主关于这个问题讲得很清晰（视频地址），本文是该视频的文字总结。ProblemDefinition给定observationvariable（比如RGB图片）和latentvariable（比如是RGB图片经过encoder得到的latentfe

孑渡·2022-09-10 19:30

Fast R-CNN

文章目录论文信息论文标题：论文作者：收录期刊/会议及年份：论文学习论文阅读问题/背景：主要贡献：摘要：介绍：FastR-CNN的结构和训练：FastR-CNN的具体步骤：RoI池化层：来自预训练网络的初始化

写进メ诗的结尾。·2022-09-05 21:54

Faster R-CNN

文章目录论文信息论文标题：论文作者：收录期刊/会议及年份：论文学习论文阅读问题/背景：主要贡献：摘要：介绍：FasterR-CNN：RPN网络：RPN和FastR-CNN的共享特征：实现细节：实验：论文信息论文标题

写进メ诗的结尾。·2022-09-05 21:19

论文研读-Deep Multi-Agent Reinforcement Learning-2

深度多智能体强化学习（DMARL）此篇文章为博士学位论文：DeepMulti-AgentReinforcementLearning的论文学习笔记，只供学习使用，不作商业用途，侵权删除。

小王爱学习1234·2022-08-31 07:50

推荐频道

re-id论文学习