没有合适的资源?快使用搜索试试~ 我知道了~
可见热人员重新识别的参数共享探索和异心三重损失
共12个文件
py:11个
md:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 163 浏览量
2022-02-17
17:42:52
上传
评论
收藏 24KB ZIP 举报
温馨提示
本文重点研究可见热交叉模态行人再识别(VT Re-ID)任务,其目标是在白天可见模态和夜间热模态之间匹配人像。 双流网络通常用于通过学习多模态人物特征来解决跨模态差异,这是 VT Re-ID 最具挑战性的问题。 在本文中,我们探讨了双流网络应该共享多少参数,这在现有文献中仍未得到很好的研究。 通过拆分 ResNet50 模型构建模态特定特征提取网络和模态共享特征嵌入网络,我们实验证明了双流网络参数共享对 VT Re-ID 的效果。 此外,在part-level person feature learning的框架中,我们提出hetero-centertriplet loss来放松传统triplet loss的严格约束,将anchor与所有其他样本的比较替换为anchor center与所有其他样本的比较。 中心。 通过极其简单的方法,所提出的方法可以显着提高 VT Re-ID 性能。 在两个数据集上的实验结果表明,我们提出的方法明显优于最先进的方法,特别是在 RegDB 数据集上实现了卓越的性能,rank1/mAP/mINP 91.05%/83.28%/68.84%。 它可以成为
资源推荐
资源详情
资源评论
收起资源包目录
hetero-center-triplet-loss.zip (12个子文件)
hetero-center-triplet-loss
train_mine.py 19KB
resnet.py 6KB
loss.py 8KB
eval_metrics.py 5KB
re_rank.py 4KB
model_mine.py 11KB
utils.py 5KB
data_manager.py 3KB
data_loader.py 5KB
pre_process_sysu.py 2KB
README.md 1KB
test_mine_pcb.py 17KB
共 12 条
- 1
资源评论
科研吧
- 粉丝: 11
- 资源: 218
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功