re-id论文学习

《机器学习与计算力学的结合及应用初探 》论文学习

本文是对《机器学习与计算力学的结合及应用初探》论文的一个知识点的整理。摘要：1.介绍了机器学习、数据科学与计算力学相结合的3种形式:第一种是与有限元方程求解方面的结合,直接应用卷积神经网络算法求解线性有限元方程;第二种方式结合有限元计算和机器学习预测复杂材料结构与力学性能的关系.本文作者应用该方法基于细观页岩扫描照片和随机建模算法,成功训练出可以有效预测细观页岩样本等效模量的卷积神经网络;第三种方
weixin_44933854·2020-08-22 14:56

SFTGAN论文学习笔记

“RecoveringRealisticTextureinImageSuper-resolutionbyDeepSpatialFeatureTransform”发表于CVPR2018作者论文、补充材料、数据集及代码地址：http://mmlab.ie.cuhk.edu.hk/projects/SFTGAN/这篇论文提出了使用先验类别信息来解决超分辨率纹理不真实的问题，就是在超分辨率的合成中使用语义
骑猪撞地球J·2020-08-22 04:21

【论文学习】YOLOv3：An Incremental Improvement

论文：YOLOv3源代码：pjreddie.com/yolo/视频：https://youtu.be/MPU2HistivI1.Abstract作者对YOLO进行了进一步的更新，做了一些小设计更改让其表现更好。YOLOv3比YOLOv2相较大了一些，却更加准确，但是依然很快。在320×320YOLOv3在28.2mAP上仅运行了22ms，和SSD的准确度相同但是快了3倍。在关注原有的0.5IOUm
斯丢劈德Tony·2020-08-22 02:55

Deep Residual Learning for Image Recognition 论文学习

DeepResidualLearningforImageRecognition这篇paper讲的是残差网络，用于简化非常深的网络，该框架层能根据输入来学习残差函数而非原始函数。深度网络存在的梯度消失爆炸问题通过BN得到了有效解决，出现的另一个问题是网络的退化问题，这是指当网络深度加深时，准确率提高，随之下降。并且这种下降并不是因为过拟合，因为我们假设深层网络是从浅层网络直接复制来的，理论上深层网络
哈特谢普苏特·2020-08-22 02:55

【论文学习记录】Densely Connected Convolutional Networks

DenseNet是CVPR2017的文章，论文原文《DenselyConnectedConvolutionalNetworks》。在深度神经网络中，随着网络深度的加深，梯度消失问题越来越明显。论文作者为了解决这个问题，直接将所有层连接起来。DenseNet是一种具有密集连接的卷积神经网络。在该网络中，任何两层之间都有直接的连接，也就是说，网络每一层的输入都是前面所有层输出的并集，而该层所学习的特征
heiheiya·2020-08-22 01:49

Densely Connected Convolutional Networks 论文学习

Abstract近来的工作证明，卷积网络深度越深，准确率就越高，而如果再加上一些shortconnections将靠近输入和输出的层连接起来，训练起来可以更高效。在这篇论文中，我们借由此发现，提出了DenseConvolutional网络（DenseNet），它将每一层和其他层通过前馈的方式连接。传统的网络假如有LLL层，它就有LLL个连接，每一层都和它后面的那一层直接连接，而我们的网络有L(L+
calvinpaean·2020-08-22 01:06

【论文学习】Densely Connected Convolutional Networks 学习

【fishing-pan：https://blog.csdn.net/u013921430转载请注明出处】  众所周知，自从ResNet的网络结构被提出后，一直引领着深度学习的潮流，后来提出的一些网络结构都有这种shortpaths的思想。而今天要提到的DenseNet更是将这种思想发挥到了极致。DenseNet凭借着优秀的表现当选CVPR2017最佳论文，而他的网络结构并不复杂，思想也很简单，可
不用先生·2020-08-22 00:19

YOLOv4: Optimal Speed and Accuracy of Object Detection论文学习

目录1.概述1.1文章主要改进1.2算法效果2.相关工作2.1目标检测模型2.2BagofFreebies2.3BagofSpecials3实现方法3.1选择网络结构3.2选择BoF和BoS3.3其他提升3.4YOLOv44实验4.1实验设置4.2不同feature对分类网络训练的影响4.3检测网络训练4.4不同骨干网络和预训练模型对检测的影响4.5不同mini-batchsize对检测的影响5结
芦花似雪·2020-08-22 00:24

【论文学习记录】YOLOv4: Optimal Speed and Accuracy of Object Detection

YOLOv4新鲜出炉，今天终于有点时间看一看论文，Alexey大神的作品，论文地址：YOLOv4:OptimalSpeedandAccuracyofObjectDetection。这篇文章相当多的tricks，作者应该是花费了大量的时间做了大量的实验得出的结论。因为我一直在关注Alexey在github上的更新，很多内容github上已经早于论文更新了。怎么说呢，这么多技巧还是会因不同的数据集而异
heiheiya·2020-08-22 00:13

MEMORY-AUGMENTED ATTENTION MODELLING FOR VIDEOS

论文学习MEMORY-AUGMENTEDATTENTIONMODELLINGFORVIDEOS作者：RasoolFakoory,Abdel-rahmanMohamed,yy,MargaretMitchellzy
mning_master0·2020-08-21 20:12

讲真：我可能学到了假的中医…

我可能上了个假的中医药大学我可能上的是假的中医专业课我可能背到了假的方歌我可能学了门假的中医内科学我可能学的是假的中西医结合我可能学到了假的中药学专业我可能买到了假的中药我可能去了一个假的中医院实习我可能跟了个假的老师抄方我可能学到了假的脉诊我可能读了个假的中医研究生我可能看到了假的中医论文学习中医的苦只有中医人知道
医承有道·2020-08-21 12:37

2016 美赛C题欧奖论文学习笔记①

离开题还有4天，发现自己基本上什么都不会，哭了，从今天开始每天看五篇论文，每天写笔记，更新在这里。16年题目：为慈善机构设计援助方案，使投资回报率最大。特点：大数据，数据需要自己处理。数据挖掘。需要提交：总结（一页）；写给CFO的信（需要包括最优投资策略，建模方法，主要结果。简要谈谈你对ROI的定义，不超过两页）；论文（竟然没有提到论文的长度？大概是不要求？）#50193这一组用的方法，K均值算法
pepperr·2020-08-21 09:38

【论文学习记录】Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

这里就是记录一些关键点，比较简略，详细的内容【论文学习记录】RethinkingAtrousConvolutionforSemanticImageSegmentation已经
heiheiya·2020-08-20 23:05

每周工作总结（2018/09/10-2018/09/14）

本周工作（2018/09/10-2018/09/14）完成工作：ORB-SLAM-1论文学习2(ExperimentAnalysis)源码学习+撰写源码分析报告I附件1：回环知识体系I.pdf附件2：ORB-SLAM
teddyluo·2020-08-20 23:41

【论文学习】Bringing Old Photos Back to Life

【fishing-pan：https://blog.csdn.net/u013921430转载请注明出处】前言  最近在浏览CVPR2020年的文章，1000多篇真的看不完，简单的浏览了几篇都觉得缺点意思。起初主要是被这篇文章的标题吸引的，因为最近老照片修复真的很火，看了这篇文章后，觉得这个工作确实是挺好的，所以把自己对文章的理解写出来，与大家交流。论文地址：https://arxiv.org/a
不用先生·2020-08-20 18:52

强化学习TD3论文学习和PARL实现赏析 文件 编辑 运行 代码执行器

这里写自定义目录标题mujoco下载mujoco证书秘钥获取aistudio不支持MuJoCoMuJoCo免费证书一年只能申请一次，一次一个月其他环境没问题注意，路径名需要更改成你自己的路径名，替代“我的计算机名”mujoco下载下载MuJoCoversion2.0Linux版本：https://www.roboti.us/download/mujoco200_linux.zip解压下载的mujo
livingbody·2020-08-20 16:09

【论文阅读】CVPR2018: Features for Multi-Target Multi-Camera Tracking and Re-Identification

目录本文的主要贡献多目标多相机追踪（MTMCT）和行人再识别（Re-ID）的关系两者的区别两者的联系模型的流程论文结论这篇文章是由杜克大学ErgysRistani,CarloTomasi完成，在CVPR2018
Yolo_1996·2020-08-20 15:59

DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution论文学习

Abstract很多的目标检测器通过lookingandthinkingtwice的方式实现了惊人的表现。本文作者针对目标检测主干网络的设计，研究了该机制。在宏观层面，作者提出了递归特征金字塔，将来自FPN的额外的反馈连接加入到自下而上的主干层。在微观层面，作者提出了可切换的空洞卷积（SAC），它以不同的空洞率（rate）对特征进行卷积，并使用switch函数合并卷积后的结果。这样就得到了Dete
calvinpaean·2020-08-19 09:06

ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks 论文学习

Abstract通道注意力机制被证明可以极大地提升CNN的表现。但是，现有的方法都致力于设计出更复杂的注意力模块，来实现更高的准确率，不可避免地增加模型的复杂度。为了克服表现与复杂度之间的trade-off，作者提出了一个高效的通道注意力（ECA）模块，只用少量的参数，却能带来明显的性能提升。通过分析SENet中的通道注意力模块，作者证明保持维度对于学习通道注意力非常重要，合适的跨通道交流可以保持
calvinpaean·2020-08-19 09:06

Fast-SCNN: Fast Semantic Segmentation Network 论文学习

Fast-SCNN:FastSemanticSegmentationNetworkAbstract1.Introduction2.RelatedWork2.1FoundationofSemanticSegmentation2.2EfficiencyinDCNNs2.3在辅助任务上预训练3.Fast-SCNN3.1Motivation3.2网络结构3.2.1Learningtodownsample3
calvinpaean·2020-08-19 06:31

X3D: Expanding Architectures for Efficient Video Recognition 论文学习

Abstract本文提出的X3D是一组高效率的视频网络，沿着网络的空间、时间、宽度和深度维度来对较小的2D图像分类结构进行扩展。受到机器学习中特征选择方法的启发，本文使用了一个简单的、逐步的网络扩展方法，每一步中只扩展单个维度，这样就可以实现准确度与复杂度的平衡。为了将X3D的复杂度扩展至一个目标程度，在前向扩展操作之后会跟着一个反向的收缩操作。X3D实现了stateoftheart的性能，而计算
calvinpaean·2020-08-19 06:31

AutoAssign 论文学习

Abstract本文中，作者通过一种完全可微的标签分配策略，提出了一个anchor-free的目标检测器，叫做AutoAssign。通过产生正的和负的权重映射，动态调整每个位置的预测，它可以自动地判断正/负样本。作者提出了一个中心加权模块，调节具体类别的先验分布，以及一个置信度加权模块来调整每个实例的标签策略。整个标签分配的过程是可微的，无需额外修改就可迁移到其它数据集和任务上。在MSCOCO数据
calvinpaean·2020-08-19 06:31

ReXNet: Diminishing Representational Bottleneck on Convolutional Neural Network 论文学习

Abstract本文解决了网络中representationalbottleneck问题，提出了若干设计原则来显著提升模型的表现。作者认为，传统方法设计出来的representationalbottleneck可能造成模型表现退化。为了深入了解representationalbottleneck，作者研究了上万个随机网络的特征矩阵秩。作者进一步研究了整层的通道配置，设计出更准确的网络结构。基于这些
calvinpaean·2020-08-19 06:30

MutualNet: Adaptive ConvNet via Mutual Learning from Network Width and Resolution论文学习

Abstract本文提出了宽度-分辨率相互学习的方法（MutualNet），根据动态的资源约束来训练网络，实现运行时自适应的准确率-效率的平衡。该方法利用不同的宽度和输入分辨率，训练了多个子网络，每个网络都互相学习多尺度的特征表示。相对于目前SOTA的自适应网络US-Net，本文方法在ImageNet上取得了更高的top-1准确率，要比最优的复合尺度的MobileNet和EfficientNet高
calvinpaean·2020-08-19 06:30

【手势识别-论文学习】 Hands Deep in Deep Learning for Hand Pose Estimation

(CVWW2015)HandsDeepinDeepLearningforHandPoseEstimation这篇文章是使用CNN网络来直接输出关节点位置。本文的特点是速度很快并且精度可以通过refinement提高。作者主要的贡献是两个部分:设计一个加入了prior的网络输出手的关节点基于上述关节点预测，对每一个关节点用一个refinement网络来进行更精确的关节点输出。甚至可以用迭代的方式多次
十年的小白·2020-08-19 03:36

学习笔记--深度学习时代的显著目标检测综述

本文系论文学习笔记。1引言文章开篇作者首先介绍了显著目标检测的起源与发展，然后对先前有关的综述文章做以总结。
孙小l懒_keep_update·2020-08-19 03:56

re-id

Tripletloss(三胞胎损失)，更适合用在图像识别的问题上面但是他的缺点是：不好训练详见链接：https://www.zhihu.com/question/62486208图像检索：BoF、VLAD、FV三剑客(这些都是传统的非深度学习的方法)，可以参考链接：https://yongyuan.name/blog/CBIR-BoF-VLAD-FV.htmlBow的作用只是用在使用传统算法提取图
qinglv1·2020-08-19 02:33

动态场景下基于实例分割的SLAM（毕业设计动态SLAM论文学习部分）

2020.01.13回家拜访亲戚加上陪几位老人耽误了点时间，不过我真的没想到居然有人会看我这个渣渣的更新。动态场景下的slam：DS-SLAMASemanticVisualSLAMtowardsdynamicenvironments，代码开源，利用帧间图像的光流跟踪，进行一致性检验。DynaSLAM:Tracking,MappingandInpaintinginDynamicScenes，代码开源
逆水独流·2020-08-19 02:00

C-COT: Continuous Convolution Operators for Visual Tracking 论文学习

BeyondCorrelationFilters:LearningContinuousConvolutionOperatorsforVisualTrackingAbstract1.Introduction2.RelatedWork3.LearningContinuousConvolutionOperators3.1PreliminariesandNotation3.2OurContinuousLe
calvinpaean·2020-08-19 01:01

FCOS: Fully Convolutional One-Stage Object Detection 论文学习

FCOS:FullyConvolutionalOne-StageObjectDetectionAbstract1.Introduction2.RelatedWork基于Anchor的检测器Anchor-free检测器3.方法3.1全卷积单阶段检测器网络输出损失函数前向推理3.2Multi-levelpredictionwithFPNforFCOS3.3Center-ness4.Experiment
calvinpaean·2020-08-19 01:01

SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines 论文学习

SiamFC++:TowardsRobustandAccurateVisualTrackingwithTargetEstimationGuidelines论文学习论文阅读总结TranslationAbstract1Introduction2RelatedWork3SiamFC
亚里·2020-08-19 00:57

论文学习笔记：CenterNet（Object as Points）

前言CenterNet摒弃了以往主流的anchor-base的思路,利用关键点估计的方法找到图像中目标的中心点,并回归出框的尺寸等其他属性,以此确定出目标所在的位置和类别.不需要非极大值抑制NMS的后处理,能够端到端训练.相比于CornerNet、CenterNet-Triplets等其他anchor-free的算法,不需要关键点配对的步骤,节省了计算资源.在MSCOCO数据集实现了SOTA的精度
feng_Yanfengyu·2020-08-18 18:47

【论文学习笔记】Joint Cascade Face Detection and Alignment

第一节：关键思想是将人脸检测和人脸标点结合起来。一个应用比较广泛的人脸检测方法，Viola-Jones检测器是基于以下两个原则进行检测的：1，逐步提升的级联结构；2，简单的特征。这种方法在日常生活场景中效果不甚理想。其他有许多工作是针对多视角的人脸检测【10，17，27，7】他们采用分治策略——在不同视角和头部姿态下，分别训练不同的检测器。这种做法往往更加麻烦，使得系统性能和准确度降低。一些创新的
cliff_zf·2020-08-18 16:23

论文学习笔记：CSRNet: Dilated Convolutional Neural Networks for Understanding the Highly Congested Scenes

CSRNet是2018年提出来的人群计数模型，其论文发表于CVPR会议。论文链接：CSRNetAbstract摘要我们提出了一个拥挤场景识别网络CSRNet，它提供了一种数据驱动的深度学习方法，可以理解高度拥挤的场景，进行精确的计数估计，并提供高质量的密度图。我们提出的CSRNet由两个主要部分组成：一个是作为二维特征提取的前端卷积神经网络（即模型中的前端网络frontend），另一个是用于后端的
绿柳山庄赵公子·2020-08-18 11:28

图像修复相关论文学习（1）

一枚渣渣的学习记录~写在前面：提到的论文都是从知网下载的，并且标明题目及作者，该贴目的纯属学习研究以便后期整理学习资料。1、赵立怡.基于生成式对抗网络的图像修复算法研究[D].[出版地不详]:西安理工大学,2018.训练数据集：Large-scaleCelebFacesAttributes(CelebA)。该数据集是香港中文大学多媒体实验室公开的大型人脸属性数据集，共包含20万张名人图像，每一张都
云朵花开·2020-08-17 16:02

自注意机制论文学习: On the Relationship between Self-Attention and Convolutional Layers

背景transformer的提出对NLP领域的研究有很大的促进作用，得益于attention机制，特别是self-attention，就有研究学者将attention/self-attention机制引入计算机视觉领域中，也取得了不错的效果[1][2]。该论文[4]侧重于从理论和实验去验证self-attention[3]可以代替卷积网络独立进行类似卷积的操作，给self-attention在图像
田田天天甜甜·2020-08-17 14:56

最近写的行人重识别（person re-id） 程序错误反思记录

文章目录一、Loss问题二、分层学习率问题三、多GPU处理程序一、Loss问题首先，loss用的是三元组损失，标签平滑交叉熵损失，调试的过程中出了两个错误（1）float，listdtype不一样的问题，问题出在了下边的len(),忘了写了，导致class_names是一个列表，不是我们需要的长度。（2）维度不匹配原因是出在了train.py训练程序里边的训练和验证环节（train和val)net
若比达法则·2020-08-17 14:21

Context-Interactive CNN for Person re-id

论文链接:https://ieeexplore.ieee.org/document/8907836文章目录一、摘要二、INTRODUCTION二、RELATEDWORKS【强化学习详细介绍链接:[https://www.zhihu.com/question/41775291](https://www.zhihu.com/question/41775291).】【A3C详细介绍链接:[https:/
若比达法则·2020-08-17 14:20

A Strong Baseline and Batch Normalization Neck for Deep Person Re-identification 论文学习记录

这篇文章的相关tricks非常有用，也正是这些tricks导致最后的效果非常明显。论文地址链接:https://arxiv.org/abs/1906.08332?context=cs.CV.code:https://github.com/michuanhaohao/reid-strong-baseline目录摘要介绍相关工作A.BaselineforDeepPersonReIDB.SomeExis
若比达法则·2020-08-17 14:20

AlexNet论文学习笔记以及tensorflow实现(原理部分）

AlexNet包含5个卷积层，三个卷积层后面链接最大池化层，最后还有三个全连接层。(1)成功使用RELU激活函数，成功解决sigmoid在网络较深时梯度弥散的问题。(2)训练中使用dropout随机忽略部分神经元避免过拟合。(3)在AlexNet中全部使用最大池化，避免平均池化的模糊效果，AlexNet提出步长比池化核小，这样池化层的输出之间会有重叠和覆盖，提升特征的丰富性。(4)提出LRN层，对
lidongtech·2020-08-17 14:55

行人重识别 （Re-ID）数据集介绍

数据集汇总链接：http://robustsystems.coe.neu.edu/sites/robustsystems.coe.neu.edu/files/systems/projectpages/reiddataset.html下面将对主要的行人重识别数据集进行介绍：DukeMTMC-reID（2017年）下载地址：百度云链接提取码：8fd5。原始数据集地址(http://vision.cs.
展希希鸿·2020-08-17 13:53

AlexNet论文学习总结

Alex等人在2012年提出的AlexNet网络结构模型在ILSVRC-2012上以巨大的优势获得第一名，引爆了神经网络的应用热潮，使得卷积神经网络CNN成为在图像分类上的核心算法模型。本篇论文阐述了一个多层卷积网络，目标是将120万高分辨率的图像分成1000类。NetStructureAlexNet首先用一张227×227×3的图片作为输入，实际上原文中使用的图像是224×224×3，但是如果你
librauee·2020-08-17 13:23

[论文学习]《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 》

fasterR-CNN的主要贡献提出了regionproposalnetwork（RPN）,通过该网络我们可以将提取regionproposal的过程也纳入到深度学习的过程之中。这样做既增加了Accuracy，由降低了耗时。之所以说增加Accuracy是因为，RPN是可以通过反向传播训练的，所以他提取的proposal也会更准确一些。TheFlowchartoftheFasterRCNNfaste
UpCoderXH·2020-08-17 13:54

VGG-Net论文学习

论文题目《VERYDEEPCONVOLUTIONALNETWORKSFORLARGE-SCALEIMAGERECOGNITION》。官网地址http://www.robots.ox.ac.uk/~vgg/software/vgg_face/摘要本文章重点研究了卷积神经网络的深度对图像分类准确率的影响，作者使用更小的卷积核(3*3),构建了更深的16-19层的分类网络，取得了更好的分类结果。在201
cdknight_happy·2020-08-17 12:43

飞桨论文复现-BigGANs

飞桨论文复现-BigGANs论文摘要论文学习心得论文摘要尽管近期由于生成图像建模的研究进展，从复杂数据集例如ImageNet中生成高分辨率、多样性的样本仍然是很大的挑战。
小庞666·2020-08-17 03:48

【paddlepaddle论文复现】Large scale GAN training for high fidelity natural image synthesis论文学习

摘要这篇论文训练了大规模的GAN（生成对抗网络），并且研究了训练过程中的不稳定性。通过实验发现，采用正交规范化（orthogonalregularization）是一个很好的truncationtrick，可以实现样本质量和样本多样性之间的平衡。在ImageNet上进行训练，论文中的bigGAN模型可以达到166.5的IS指标，同时达到7.4的FID指标，而在这之前这两个指标最好的时候也只能分别达
精致又勤奋的码农·2020-08-17 02:49

Actor-Attention-Critic for Multi-Agent Reinforcement Learning论文学习笔记

论文链接：Actor-Attention-CriticforMulti-AgentReinforcementLearning目录）一.改进算法的核心内容i.Attention机制ii.反事实基线iii.交叉熵二.实验部分    最近学习了ICML2019的一篇多智能体强化学习的文章，感觉想法很新颖，所以记录一下学习时候的笔记，方便以后查阅。文中有不恰当或者有问题的地方，欢迎在评论区批评指正。一.改
barry_cxg·2020-08-16 16:28

视频内容理解核心技术解密：Partial re-ID 在成片体检中的技术实践

作者|阿里文娱高级算法工程师朔衣责编|李雪敬头图|CSDN下载自视觉中国引言人物重拾（PersonRe-identification，简称为re-ID）是一项在现实世界非常具有挑战性的任务，它旨在利用视觉算法模型匹配出不同视角的不同摄像头下的相同人物
CSDN资讯·2020-08-16 10:24

机器学习论文学习(1)：Batch Normalization

机器学习论文阅读(1)：BatchNormalization使用背景：神经网络学习过程本质就是为了学习数据分布，一旦训练数据与测试数据的分布不同，那么网络的泛化能力也大大降低；另外一方面，一旦每批训练数据的分布各不相同(batch梯度下降)，那么网络就要在每次迭代都去学习适应不同的分布，这样将会大大降低网络的训练速度，这也正是为什么我们需要对数据都要做一个归一化预处理的原因。网络的前面几层发生微小
逐水草而居的造轮人·2020-08-16 09:36

异常检测-基于孤立森林算法Isolation-based Anomaly Detection-1-论文学习

论文http://202.119.32.195/cache/10/03/cs.nju.edu.cn/da2d9bef3c4fd7d2d8c33947231d9708/tkdd11.pdf1.INTRODUCTION异常是与正常样例有着不同的数据特性的数据模式。检测异常的能力具有重要的相关性，异常经常在多种应用领域中提供关键和可操作的信息。比如在信用卡交易中能够显示信用卡的使用有欺诈行为；在天文图像
weixin_30905133·2020-08-16 09:11
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他