原创 CVPR2018論文翻譯 Human Semantic Parsing for Person Re-identification

論文鏈接:https://arxiv.org/pdf/1804.00216.pdf摘要    混亂的背景、光照、視角等因素制約了提取魯棒性表示的能力,因此reid是個挑戰性的任務。爲了改進表示學習,通常提取行人身體各部分的局部特徵。然而,

原创 LBP特徵及其變體和python實現

一. LBP特徵        LBP(Local Binary Pattern),局部二值模式,主要用於提取紋理特徵,根據文獻[1]我們可以瞭解到LBP及其變體。一般的使用方法是,先將圖像轉換爲灰度圖,接着計算LBP特徵圖,最後計算其直

原创 Huber Loss 及 tensorflow實現

    Huber Loss 相當於平方誤差的推廣,通過設置delta的值,使損失函數魯棒性更強,從而減弱離羣點(outliers)對模型的影響。當delta爲無窮大時,Huber Loss 退化爲Squared Loss.tensorf

原创 行人重識別 CUHK03數據集描述

簡要描述:MATLAB數據文件格式,1467個行人,收集自The Chinese University of Hong Kong校園內的10個(5對)不同的攝像頭。數據集結構:由三部分組成:---   "detected":行人框由ped