精华内容
下载资源
问答
  • 行人检索 cvpr15

    2015-06-03 23:03:44
    行人检索 cvpr2015 李子青代码,行人检索
  • 行人检索问题是一个很难得问题,而局部行人检索问题则更加的困难。目前大部分文献都关注整体行人检索,没有考虑遮挡问题。局部行人检索问题如下图所示: 下图所示为我们实际中的检索图像,以及我们手工框出来的输入...

    行人检索问题是一个很难得问题,而局部行人检索问题则更加的困难。目前大部分文献都关注整体行人检索,没有考虑遮挡问题。局部行人检索问题如下图所示:
    这里写图片描述

    下图所示为我们实际中的检索图像,以及我们手工框出来的输入图像,及对应的库中的图像。
    这里写图片描述

    针对局部行人检索问题,我们提出以下框架来解决:
    这里写图片描述
    首先是局部对局部进行匹配,然后再进行整体对局部进行匹配。

    3.1. Local-to-Local Matching
    这里我们使用了一个 an ambiguity-sensitive matching classifier (AMC) 来进行局部对局部匹配。

    这里写图片描述

    算法流程图如下:
    这里写图片描述

    3.2. Global-to-Local Matching
    这里我们使用滑动窗口来进行整体与局部的匹配。
    a sliding window matching (SWM)

    3.3. Classification
    我们将 Local-to-Local Matching 和 Global-to-Local Matching 两个结果结合起来,得到 AMC-SWM

    这里写图片描述

    最后的结果如下所示:

    这里写图片描述

    这里写图片描述

    展开全文
  • 本文经授权转载自PRCV模式识别与计算机视觉大会。PRCV2020竞赛-大规模行人检索竞赛https://lsprc.github.io/目前报名截止日期:2020年7月15日各位同仁:...

    本文经授权转载自PRCV模式识别与计算机视觉大会。

    PRCV2020竞赛-大规模行人检索竞赛

    https://lsprc.github.io/

    目前报名截止日期:2020年7月15日

    各位同仁:

       中国模式识别与计算机视觉学术会议(Chinese Conference on Pattern Recognition and Computer Vision,PRCV 2020)诚挚邀请国内外研究同仁组队参加组委会组织的大规模行人检索竞赛”,奖励丰厚。

        本次比赛:在2个竞赛任务、2种评测方式共4个环节中,对性能指标排名前三名的参赛队伍,授予由竞赛组织方签发的冠、亚、季军获奖证书,并予以一定物质奖励(其中,每个环节第一名奖金1万元,第二名奖金5000元,第三名奖金2500元,共计奖金总额7万元)

        组队报名截止日期:2020年7月15日

        详情信息参见

       https://lsprc.github.io/

      点击底部原文,可进入竞赛网站

     PRCV2020组委会

        

    1.竞赛目的与意义

    行人检索可以帮助用户依据查询条件(如属性值或图片)找到特定视频、图像中出现的感兴趣行人目标,是智能视觉监控系统的重要终端应用之一,在公共安全领域具有极强的实用价值。当前,行人检索相关研究,如行人再识别、行人属性识别等方向,发展迅速,国内外研究者众多,文章方法层出不穷。然而,大多数研究还主要集中在算法层面,试图解决行人属性识别或行人再识别模型中面临的诸多技术难点(如低分辨率、遮挡及姿态变化等),以提供算法的鲁棒性及识别精度。目前还缺乏对从原始视频到行人检索“端到端”应用系统的性能评价标准与测试方法。针对以上情况,本竞赛将提供一个面向真实监控的大规模行人检索性能评估基准。一方面,用于考察与行人检索相关的行人属性识别与行人再识别算法对不同目标尺度、姿态变化及遮挡条件下的识别性能;同时,还将提供一个大规模视频解析平台——ISEE系统,用于考察行人属性识别及行人再识别算法模型与行人检测算法模型集成后的系统性能,这将更直接地以“端到端”形式考察行人检索系统性能,有利于发现算法集成中影响系统整体性能的瓶颈问题,探索待查询集中大规模干扰样本对检索性能的影响,并形成行人检索系统的评测标准与测试方法。

    2. 组织方式

    组织方:中国科学院自动化研究所,山东科技大学

    联系方式:张彰老师zzhang@nlpr.ia.ac.cn;单彩峰老师 caifeng.shan@gmail.com

    赞助方:根尖智能科技有限公司

    3. 竞赛参与者要求

    国内外科研机构,包括各个高校、研究所、公司研究院均可参加。

    4. 报名方式

    仅接受以团队形式通过邮件报名参赛,每个参赛队伍人员不超过5人,每名参赛选手只能参加1个参赛队。参赛团队签署竞赛协议书并经单位盖章,扫描版发邮件至竞赛联系人邮箱da.li@cripac.ia.ac.cn。

    • 邮件标题格式:“PRCV     2020大规模行人检索竞赛+参赛队名称”

    • 邮件内容包括:团队基本信息;负责人信息;参赛人数;联系方式(手机及邮箱);参赛内容;单位盖章的竞赛协议书扫描版。

    • 报名截止日期:2020年7月15日。

    组织方收到邮件并与报名者确认后,报名成功。

    5. 主要时间节点(北京时间)

    05月01日-07月15日:参赛报名及邮件资格确认(截止时间7月15日23时59分

    05月31日-07月15日:数据集开放(以网盘形式提供下载,下载链接以邮件形式发送到参赛队伍的预留邮箱,请在数据开放时间内尽快完成数据下载,遇到问题请及时与组织方联系)。

    06月01日-08月31日:各参赛队在规定时间内完成参赛任务,并提交结果及模型(正式提交次数不超过两次,截止时间为08月31日23时59分;结果应以规定格式保存,提交地址会以邮件形式通知;模型提交时应附有详细说明文档,包括其所用框架、依赖环境等;建议用户提交第一版正式模型前,预先提交一版(不作为正式提交),以确保测试环境的正常运行)。

    09月01日-09月24日:组委会根据测试数据集,对用户提交的模型进行评测,评比各队名次。

    09月25日:公布竞赛结果。

    10月16日:研讨会召开。

     

    6.大规模行人检索竞赛其他信息,详见竞赛网站:

    https://lsprc.github.io/

    备注:行人

    行人检测、ReID交流群

    关注交流最新的行人检测、检索、重识别、步态识别等技术,

    若已为CV君其他账号好友请直接私信。

    OpenCV中文网

    微信号 : iopencv

    QQ群:805388940

    微博/知乎:@我爱计算机视觉

    投稿:amos@52cv.net

    网站:www.52cv.net

    在看,让更多人看到  

    展开全文
  • ECCV 2016code: http://www.cbsr.ia.ac.cn/users/hailinshi/Embedding Deep Metric for Person Re-identification: A Study Against Large Variations针对行人检索问题,这里主要做了两个方向的工作:1)针对大家...

    ECCV 2016

    code: http://www.cbsr.ia.ac.cn/users/hailinshi/

    Embedding Deep Metric for Person Re-identification: A Study Against Large Variations

    针对行人检索问题,这里主要做了两个方向的工作:1)针对大家使用的hard negative mining 策略,我们提出了 moderate positive mining策略,这两个策略是可以相互结合的。2)针对 Metric Learning,我们加了一个权值约束,Weight Constraint for Metric Learning,提高学习到的度量的泛化能力。

    3.1 Moderate Positive Mining
    Large Intra-class Variations 行人的同类间距很大,所以对于样本的选择还是有技术含量的。
    这里写图片描述
    选择的样本不要太难,也不要太简单。
    Here, we argue that selecting positive samples in the local range (pairing by the yellow line in Fig. 1(b)) is critical for training the network; training with the positive samples of large distance (the yellow line with cross) may distort the manifold and harm the manifold learning.

    这里写图片描述
    对于一个anchor样本,我们随机选择相同数据的正负样本构成一个mini-batch,然后从中找出 hardest negative sample,然后将距离小于最难负样本的正样本选出来, the positive samples that have smaller distances than the hardest negative,最后在这些正样本中选出最难正样本作为我们的 moderate positive sample。
    这里写图片描述

    3.2 Weight Constraint for Deep Metric Learning

    对于Deep Metric Learning 我们采用文献【11】中的DDML,公式如下
    这里写图片描述
    这里写图片描述
    这里写图片描述

    Metric Learning 网络层
    这里写图片描述

    加入权值约束
    这里写图片描述

    最终的损失函数
    这里写图片描述
    CNN网络结构如下:
    这里写图片描述

    结果:
    moderate positive mining对结果的影响
    这里写图片描述

    权值约束的影响
    这里写图片描述

    CUHK03 数据上的效果
    这里写图片描述

    CUHK01和 VIPeR的效果
    这里写图片描述

    展开全文
  • Beyond triplet loss: a deep ...https://arxiv.org/abs/1704.01719本文使用深度学习进行行人检索,侧重点主要在损失函数的改进,提出了 quadruplet loss 用于减小类内方差 和 增加类间方差上图显示,在我们新的 quadr

    Beyond triplet loss: a deep quadruplet network for person re-identification
    CVPR2017
    https://arxiv.org/abs/1704.01719

    本文使用深度学习进行行人检索,侧重点主要在损失函数的改进,提出了 quadruplet loss 用于减小类内方差 和 增加类间方差

    这里写图片描述

    上图显示,在我们新的 quadruplet loss 作用下,对于训练数据的每个类别,我们减小了同类别方差,增加异类方差。

    本文的网络结构:
    这里写图片描述
    上图红色部分是重点,加入了第二个类别的负样本。
    这里的 positive pair negative pair negative pair2 三个损失函数计算值中 positive pair 是最小的。这么做减小了同类别方差 。
    这里写图片描述

    为了增加异类方差,这里我们设计了一个自动最大阈值采样策略,
    Margin-based online hard negative mining
    Thus the margin threshold is self-adaptive based on the two distributions of the trained model.
    通过这个采样策略,使得我们的损失函数中边界阈值自适应得到

    实验结果对比:
    这里写图片描述

    展开全文
  • 行人重识别:SVDNet行人检索

    千次阅读 2018-09-20 22:13:29
    paper下载地址:https://arxiv.org/abs/1703.05693 ... 网络结构 作者所采用的基础网络为resnet-50,在最后一个全连接层的前面加了一个Eigenlayer,其实就是一个全连接层,只不过对参数做了SVD分...
  • code: http://www.eecs.qmul.ac.uk/~lz/当前行人检索问题主要关注于 learning the optimal distance metrics,减少同类距离,扩大异类距离。一般来说一个行人的外表用几千维向量来表示其特征,同一个人一般只有几百...
  • 更详细的资料整理到了个人的github上,地址为 https://github.com/whitenightwu/11-Algorithm_and_Data\11-Paper Summary(根据应用划分)\53-行人 图中带*号的代表,推荐细读 ...
  • 概述近年来,由于跨模态数据的快速增长,跨模态检索备受关注。它以一种类型的数据作为查询,来检索另一种类型的相关数据。例如,用户可以用一段文字来检索相关的图片或视频。由于查询及其检索结果...
  • 检索的原则:与被检索图像正确匹配的图像应在整个检索库中排名靠前。提出了一个排名模型,使用深度CNN构建输入图像对于相似度得分之间的关系。...行人检索 设计的特征:Ensemble of Localized Features (EL
  • 行人检索的文章,输入是一对图像,网络输出这对图像的相似度值,新引入的网络层包括跨输入邻域差值层,根据图像对的卷积特征图计算局部关联,之后使用加和特征对输出特征图的邻域进行加和,最后计算远距离像素点的...
  • import os import numpy as np import scipy.io as sio import shutil from lxml.etree import Element, SubElement, tostring from xml.dom.minidom import parseString def make_voc_dir(): ...
  • 必读论文:https://www.aminer.cn/topic 论文集地址:https://www.aminer.cn/topic/6034aaa692c7f9be21988ba1 行人检索,也称为行人再识别,从工程的角度来说,一个实用的行人再识别系统是包含行人检测,跟踪和检索...
  • 摘要:通过深度卷积神经网络,行人重识别已经取得了很大进展。 然而,大多数先前的方法都侧重于学习单个外观特征,并且模型难以处理具有不同光照,大的姿势变化和遮挡困难的情况。 在这项工作中,我们更进一步,考虑...
  • 这里为了获得稳定的特征信息,我们对视频中单个行人的 color histograms and LBP features 进行 average pooling 。 3.1. Enhancing Top-rank Matching by Top-push Distance Learning 增大类间差异,缩小类...
  • 在过去一年里,行人检测、行人跟踪和行人检索三项技术,在工业界已全面落地开花,其被广泛应用于人工智能、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。然而,由于行人兼具刚性和...
  • 编者按:在过去一年里,行人检测、行人跟踪和行人检索三项技术,在工业界已全面落地开花,其被广泛应用于人工智能、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。然而,由于行人兼具...
  • 由于实际场景图像的复杂性,仅仅利用VLAD向量的相似并不能取得很好的精度,通常先利用VLAD向量从图像库中快速的检索出最相似的K幅图像,然后再进一步筛选。 图像检索(7):取得更好的检索结果 从图像检索角度提升...
  • 最近看文献看到这个,始终没理解为什么说行人再识别属于图像检索与图像分类之间。 我的理解是:图像分类和图像检索是不是本质是一样的,只不过数据库中的类别数量造成一个成为分类问题,一个成为检索问题。
  • 行人重识别 行人再识别 行人检索 郑良 郑哲东 钟准 孙奕帆 杨易 悉尼科技大学 龚绍刚 郑伟诗 李玺 浙江大学 中山大学
  • WHOAMI 在表单中显示一个长用户 ID (LID) %time|用户名|域|主机名|osarch|osname|osver|MLver WHOAMI 可选择返回各种系统属性,包括一个简短的用户 ID (SID),它只包含有关当前系统的静态信息程序员可以轻松创建自己...
  • opencv 行人检测(HOG+SVM)

    千次阅读 2018-08-23 16:00:58
    行人检测综述 ...而行人检索则是把一段视频中的某个感兴趣的人检索出来。 行人检测领域的工作大致可被归为以下三类: 第一类是将传统的检测方法Boosting trees 和 CNN 结合起来。张姗姗等人在CV...
  • 此项目受启发于行人重识别,都是利用模型提取的图像特征向量做相似性对比,以此完成图案检索,行人检索的代码在此:https://github.com/sunanlin13174/yolo3_reid 但是,现在深度学习图像检索任务通常分为两个...
  • 行人检索则是把一段视频中的某个感兴趣的人检索出来。 在2005年CVPR上,来自法国的研究人员Navneet Dalal 和Bill Triggs提出利用Hog进行特征提取,利用线性SVM作为分类器,从而实现行人检测。 HOG+SVM行人检测 ...
  • 的图片和带检索的 Query 图片进行相似度比较,之后按照相似度进行一个排序,排名最靠前的就是检索的结果。  而 NPSM 则把两个结合起来,每次输入 ROI 区域图片,根据 Query 图片生成 attention map,然后...
  • 背景意义 精确车辆检索,给定车辆图像,寻找所有的具有相同车架号的图像,这很具有挑战性,因为不同的车具有相同的外观。论文提出了多任务学习框架RepNet,从粗粒度和细粒度学习车辆特征...与人脸和行人检索相比,车辆
  • 最近在做自己课题相关的小项目,行人检测与行人重识别进行结合进行场景图片进行特定行人检索由于也比较着急,先利用现有的模型搭建了简单的demo,简单效果展示如下,速度大概在20FPS: 先是给定需要检索行人: ...
  • 信息检索复习笔记

    万次阅读 多人点赞 2020-12-17 17:14:46
    信息检索复习 第一讲 搜索 IR(信息检索是什么样的学科): 实质上是融合了文本及多媒体检索、数据挖掘、机器学习和自然语言处理的综合学科 为什么要进行信息检索?信息过载 搜索 搜索的过程 从大规模非结构化数据...
  • 智能监控系统、人脸识别、智能抓拍、预警系统、机动车辆抓拍、行人抓拍、监控预警管理后台、人流监控、语音报警、轨迹分析、抓拍检索、园区监控、实时监控、录像回放、防盗预警、智能算法、跟踪分析、HTML ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,146
精华内容 1,658
关键字:

行人检索