原创 論文閱讀(九)Attention-Aware Compositional Network for Person Re-identification

Abstract 作者提出,姿態信息沒有被好好的利用到行人再識別中,於是提出了Attention-Aware Compositional Network (AACN)模型。AACN包含兩部分:(1)Pose-guided Part At

原创 轉發:【論文精讀】Human Semantic Parsing for Person Re-identification

Introduction 目前大部分的Person ReID方法都開始集中於提取更加具有表徵能力的局部特徵輔助全局特徵用於行人檢索。這篇文章是CVPR2018中關於Person ReID的一篇,文章的主體思路就是part-base的方法,

原创 論文閱讀(八)Deep Spatial Feature Reconstruction for Partial Person Re-identification

解決什麼問題 提出什麼方法 效果如何 有何可借鑑之處 https://blog.csdn.net/VacantField/article/details/79801925                          

原创 論文閱讀(七)Learning Visibility-aware Part-level Features for Partial Person Re-identification

素質五連: 1.要解決什麼問題 2.用了什麼解決方法 3.效果如何 4.還存在什麼問題 5.可借鑑之處 Abstract 這篇文章考慮了行人再識別的局部區域Reid的問題,在partial re-ID情況下,圖像也許只包含行人的部分外觀

原创 卷積網絡設計入門

這篇文章可以作爲一個設計指南,爲特定分類任務的 CNN 設計提供指導。作者圍繞準確率、速度、內存消耗三個指標的權衡,從網絡類型、架構設計、數據處理和遷移學習等方面介紹了 CNN 設計過程中使用的方法。  你想開始做圖像分類,但是無從着

原创 論文閱讀(六)CVPR 2018 Mask-guided Contrastive Attention Model for Person Re-Identification

文章地址:http://openaccess.thecvf.com/content_cvpr_2018/papers_backup/Song_Mask-Guided_Contrastive_Attention_CVPR_2018_pap

原创 【工程配置\環境安裝】win10安裝maskrcnn-benchmark

github:https://github.com/facebookresearch/maskrcnn-benchmark 首先cuda必須是9.0。下載地址:https://developer.nvidia.com/cuda-90-

原创 Pytorch自帶Resnet50特徵圖heat map熱力圖可視化

主要參考了博客https://blog.csdn.net/u012435142/article/details/84711978並在此基礎上進行了修改,原博客生成的爲灰度特徵圖,本文改進後生成彩色熱力圖。 代碼如下:  import

原创 【目標檢測】FPN算法

轉自:https://blog.csdn.net/baidu_30594023/article/details/82623623 自己理解: FPN在目標檢測中主要起到輔助RPN提供用於檢測小目標的anchor box,FPN算法將卷積

原创 實例分割模型Mask R-CNN詳解:從R-CNN,Fast R-CNN,Faster R-CNN再到Mask R-CNN

Mask R-CNN是ICCV 2017的best paper,彰顯了機器學習計算機視覺領域在2017年的最新成果。在機器學習2017年的最新發展中,單任務的網絡結構已經逐漸不再引人矚目,取而代之的是集成,複雜,一石多鳥的多任務網絡模型。