原创 python-4.替換空格

題目描述: 請實現一個函數,把字符串中的每個空格替換成”%20”。例如,輸入”We are happy.”,則輸出”We%20are%20happy.” 解題思路: 這個問題得考慮是在原來的字符串上做替換,還是創建新的字符串

原创 2016 ECCV-Gated Siamese Convolutional Neural Network Architecture for Human Re-ID

論文地址 第一篇論文筆記,希望大家能多提些意見來幫助我提高論文筆記模型的性能。相關方向的童鞋可以加qq:396543018一起交流~ Motivation 現在的Siamese CNN對每個照片僅在final level提取固

原创 2014 CVPR-DeepReID Deep Filter Pairing Neural Network for Person Re-Identification

論文地址 第一篇用深度學習來做Re-ID的工作,介紹了很多基礎性的概念 model部分對CNN的設計思路講的很詳細,有些細節還沒有完全搞懂,回頭會繼續理解總結~ Motivation 傳統的re-ID的流程如下圖:

原创 2017 TOMM-A Discriminatively Learned CNN Embedding for Person Re-identification

論文地址 代碼實現:Matconvnet、caffe、keras Motivation 現在主流的兩種re-ID卷積網絡:verification and identification models,這兩種網絡因爲損失函數的不

原创 python-2.找出數組中重複的數字

題目描述: 在一個長度爲n的數組裏的所有數字都在0~n-1的範圍內,數組中某些數字是重複的,但不知道有幾個數字重複了,也不知道每個數字重複了幾次。請找出數字中任意一個重複的數字。例如,如果輸入長度爲7的數字{2, 3, 1, 0

原创 python-1.用兩個棧實現隊列

題目描述: 用兩個棧來實現一個隊列,完成隊列的Push和Pop操作。 解題思路: 隊列:先進先出 棧:先進後出 一個棧用來EnQueue: 每次進來元素都送入該棧 另外一個棧來轉換順序做DeQueue: 兩個棧同時爲空時候,

原创 python-3.二維數組中的查找

題目描述: 在一個二維數組中,每一行都按照從左到右遞增的順序排序,每一列都按照從上到下遞增的順序排序。請完成一個函數,輸入這樣的一個二維數組和一個整數,判斷數組中是否含有該整數。 解題思路: 每次選取右上角或者左下角,與輸入

原创 CVPR2019-行人重識別論文彙總

根據paper list搜到19篇: Invariance Matters: Exemplar Memory for Domain Adaptive Person Re-identification Dissecting P

原创 2018-ECCV-Mancs-A Multi-task Attentional Network with Curriculum Sampling

論文地址 Motivation 現有的Re-ID工作都面臨以下的問題: loss function的選擇 不對準問題 尋找高判別力的局部特徵 對於rank loss優化中的採樣問題 目前的大多數工作都是針對上述問題中的一兩

原创 2017-CVPR-Spindle Net: Person Re-identification with Human Body Region Guided Feature

論文地址 Motivation 由檢測算法以及姿勢變化引起的行人身體不對準問題會爲不同圖像間的特徵匹配造成嚴重的影響 --> 怎麼解決這個問題? Contribution 首次在ReID中考慮人體結構信息: 幫助對齊不同圖像中

原创 2018-CVPR-Harmonious Attention Network for Person Re-Identification

論文地址 代碼實現【Pytorch】 Motivation 對於大幅度的姿勢變化以及錯檢帶來的行人框對準問題,現有方法採用constrained attention selection mechanisms解決並不是最優的,如何更好

原创 2016 CVPR-Person Re-Identification by Multi-Channel Parts-Based CNN with Improved Triplet Loss

論文地址 Motivation 如今的Re-ID工作大多是將特徵學習與度量學習分開,那麼能不能把兩者一起學習來提高性能呢? 同時對整張圖像直接提取特徵往往不能捕捉圖像中人物的細節信息,怎麼能設計模型來更好利用局部特徵呢? 之前的trip

原创 2018-CVPR-Efficient and Deep Person Re-Identification using Multi-Level Similarity

論文地址 Motivation 目前的方法只考慮在某一個特徵的卷積層輸出來計算相似性,是否可以使用多尺度提高相似度的計算的準確性呢? 許多工作假定相關視覺特徵不會平移太大的距離,沒有在整張圖上考慮相關性,很容易丟失信息 之前都是在特徵圖

原创 2018 CVPR-Human Semantic Parsing for Person Re-identification

論文地址 Motivation 現有方法都是利用檢測框來對局部特徵進行提取,這樣的框框精度較低,有沒有更加精準的方法來提取局部細節特徵呢? 現有的方法涉及很多模塊,相對比較複雜,那麼這些複雜模塊是否有必要呢?有沒有簡單的方法來達到相同

原创 2014 ICPR-Deep Metric Learning for Person Re-Identification

論文地址 也是最早用深度學習方法做Re-ID的工作 對跨數據集模型的泛化性能進行了實驗 Motivation 傳統方法通常都是將特徵提取與度量學習分開處理的,end-to-end的深度學習在計算視覺各個領域都取得了較大的成功,那麼能