Bejelentkezés
betekintés - 사람 재식별
비지도 방식의 사람 재식별을 위한 공간적 계층적 클러스터링 및 가중 메모리
공간적 계층적 클러스터링과 가중 메모리를 도입하여 사람 재식별의 정확성과 효율성을 향상시킴.
장기적인 사람 재식별을 위한 글로벌, 지역적인 신체 부위 및 머리 스트림을 활용한 향상
글로벌, 지역적인 정보를 효과적으로 활용하여 장기적인 사람 재식별을 향상시키는 새로운 프레임워크를 제안합니다.
모든 도메인에 일반화된 사람 재식별을 위한 다양한 딥 특징 앙상블 학습
본 논문에서는 단일 도메인 및 교차 도메인 사람 재식별(ReID) 벤치마크 모두에서 최첨단 성능을 능가하는 새로운 방법인 D2FEL(Diverse Deep Feature Ensemble Learning)을 제안합니다. D2FEL은 다양한 인스턴스 정규화 패턴을 사용하여 풍부하고 다양한 데이터 보기를 추출하는 자체 앙상블 아키텍처를 기반으로 합니다. 또한, 앙상블에서 생성된 대규모 특징을 효율적이고 효과적으로 줄이기 위해 사람 재식별에 처음으로 랜덤 투영 기술을 적용했습니다.
CLIP-DFGS: 일반화 가능한 사람 재식별에서 CLIP을 위한 어려운 샘플 마이닝 방법
본 논문에서는 사전 학습된 비전-언어 모델 CLIP의 일반화 가능한 사람 재식별 작업 성능을 향상시키기 위해 깊이 우선 검색 기반의 어려운 샘플 마이닝 방법인 DFGS(Depth-First Graph Sampler)를 제안합니다.
Termékek | Források
© 2024 by Linnk AI