这里分享下大佬（目前就职于大疆创新）的研究生期间的成长路线。虽然说没有适合每个人的方法，因为每个人的特点和所处的环境都不一样，但有个参考总是好的，所以我在这悄悄把自己研究生三年的经历写一下，前面可能会写的详细一点，希望能对这些同学有所帮助。
赛题支持单位：东南大学移动通信国家重点实验室、北京邮电大学-中国移动研究院联合创新中心
来源：专知本文为课程介绍，建议阅读5分钟适合深度学习和行人重识别领域无基础的入门者学习。 该课程为浙江大学罗浩博士于2018年10月录制的《基于深度学习和行人重识别》网课视频，该课程首发于AI300学院。为了让更多人学习该课程，现免费在B站公开。由于该网课录制于2018年末，所以知识点已经有些陈旧，因此主要适合深度学习和行人重识别领域无基础的入门者学习，有基础者无需学习此课程。课程主要包括深度学习基础、行人重识别理论基础和行人重识别代码实践三个篇章。考虑到该课程免费开放以及作者工作较忙，所以日后很难有精力进
本文介绍一篇来自 ACMMM20 Oral 的论文，这篇论文主要通过构建一个 benchmark，并基于 benchmark 结果的深入分析，提出两个优化方法，提升现实场景下联邦学习在行人重识别上碰到的数据异构性问题。
论文题目：Video-based Person Re-identification with Spatial and Temporal Memory Networks
人脸识别在LFW超越人的识别能力之后，就很少有重大的突破了，逐渐转向视频中人脸识别或人脸属性学习等方向。CV顶级会议的接受论文量也出现了逐渐平稳的趋势。 而行人重识别（Person re-identification）也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。 给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补目前固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合 ，可广泛应用于智能视频监控、智能安保等领域。 行人重识
近期，中山大学发布了一种基于可微图学习的弱监督行人重识别（person re-ID）方法和一个大型数据集。该方法结合可微图学习和弱监督学习方法，为行人重识别深度神经网络加入自动生成训练标签的模块并与其一体训练。相比普通的行人重识别方法，该方法不需要高昂的人工标注成本，并且几乎不增加计算复杂度也能达到领先的模型性能。
行人重识别，又称行人再识别，是利用 CV 技术判断图像或视频序列中是否存在特定行人的技术。常规的行人重识别方法往往需要高昂的人工标注成本，计算复杂度也很大。在本文中，中山大学研究者提出的弱监督行人重识别方法恰恰克服了这两方面的障碍，并发布了一个大型行人重识别数据集。
计算机视觉世界三大顶会之一的ICCV 2021论文接收结果出炉！本次大会收到来自全球共6236篇有效投稿，最终有1617篇突出重围被录取，录用率约为25.9%。此次ICCV 2021接收的论文分为检测、分割、跟踪、视觉定位、底层图像处理、图像视频检索、三维视觉等多个方向。本次腾讯优图实验室共有17篇论文被收录，其中Oral论文2篇，涵盖跨模态检索、分割、行人识别、神经网络、人群计数、车辆识别、物体识别、视频偏好推理、多标签识别等前沿领域（本文转载自：腾讯优图实验室）。
计算机视觉世界三大顶会之一的ICCV 2021论文接收结果出炉！本次大会收到来自全球共6236篇有效投稿，最终有1617篇突出重围被录取，录用率约为25.9%。此次ICCV 2021接收的论文分为检测、分割、跟踪、视觉定位、底层图像处理、图像视频检索、三维视觉等多个方向。本次腾讯优图实验室共有17篇论文被收录，其中Oral论文2篇，涵盖跨模态检索、分割、行人识别、神经网络、人群计数、车辆识别、物体识别、视频偏好推理、多标签识别等前沿领域。
近年来，随着监控摄像头的普及与应用，监控摄像头系统在打击罪犯和刑侦安全方面起到了至关重要的作用。利用监控系统查找犯罪嫌疑人，从而侦破案件已经成为公安机关的重要破案手段。这一重要应用使得行人重识别问题得到广泛关注。行人重识别是指给定行人在某一监控摄像头下的图片，利用计算机视觉算法在其余监控摄像头下识别出这一特定行人。
中国经济周刊-经济网讯 （记者 宋杰） 打造中国无人驾驶汽车测评的风向标，国内智能汽车比赛首次驶上专业赛道比赛。12月11日至13日，2017中国智能汽车大赛（CIVC）在上海F1国际赛车场和国家智能网联汽车（上海）试点示范区封闭测试区举行。本届大赛在工业和信息化部电子信息司、上海市经济和信息化委员会、嘉定区人民政府的指导下，由中国汽车技术研究中心、中国生产力促进中心协会、上海国际汽车城（集团）有限公司共同主办，中国汽车技术研究中心情报所、全国汽车行业生产力促进中心、国家智能网联汽车(上海）试点示范区共同承
12月11日，2021年腾讯犀牛鸟精英科研人才培养计划正式对外发布。计划截止申报时间为2021年1月28日24:00。 本年度精英科研人才计划将延续人工智能领域顶尖科研人才培养，发布包含机器人、AI医疗、量子计算、智慧城市等12个前沿热议方向，71项研究课题。入选学生将由校企导师联合制定专属培养计划，并获得3个月以上到访腾讯开展科研访问的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将为学生搭建线上和线下学习、交流平台，帮助学生挖掘更多潜能。 本期小编整理了该计
AI 科技评论消息，计算机视觉欧洲大会（European Conference on Computer Vision，ECCV）于 9 月 8 -14 日在德国慕尼黑召开，今天已进入会议第二日。会议前两日为 workshop 和 tutorial 预热环节，主会将于当地时间 9 月 10 日召开。
摘要：行人重识别（Person Re-Identification，简称Re-ID），是一种利用计算机视觉技术来检索图像或者视频序列中是否存在特定行人的AI技术，在智慧城市等监控场景中具有重要的应用意义和前景。本文介绍我们最新的IEEE TPAMI综述论文 《Deep Learning for Person Re-identification: A Survey and Outlook》，该文作者来自武汉大学、起源人工智能研究院（IIAI）、北理工、英国萨里大学、Salesforce亚洲研究院。
最近的研究表明，显式深度特征匹配以及大规模多样化的训练数据均可显著提升行人重识别的泛化能力。但是，在大规模数据上，学习深度匹配器的效率还未得到充分研究。 近日，特斯联科技集团首席科学家邵岭博士及团队提出了一种高效的小批量采样（mini-batch sampling）方法——图采样（Graph Sampling， GS），用于大规模深度度量学习，极大改善了可泛化行人重识别。目前，该研究成果（题为: Graph Sampling Based Deep Metric Learning for Generaliz
本文为 2018 年 5 月 11 日在微软亚洲研究院进行的 CVPR 2018 中国论文宣讲研讨会中第三个 Session——「Person Re-Identification and Tracking」环节的四场论文报告。
传统的行人再识别限定了研究范围是短时范围的再识别（short-term re-id），即假设数据集中的行人的衣服不会发生变化。近年来，可换衣的行人再识别研究引起了学者的兴趣，其关注长时间范围内的再识别（long-term re-id），即允许数据集中的行人更换衣服。
行人检测的论文不多，总计 5 篇，从内容看解决行人与行人、行人与物体间的遮挡是研究的重点。
由中国图象图形学学会和腾讯高校合作主办、中国图象图形学学会视觉大数据专委会承办的“ECCV 2018 China Pre-Conference论文宣讲研讨会”于7月30日在深圳腾讯大厦顺利举办。150余位来自学界、工业界的研究人员参与了本次研讨会。会议日程包含12篇论文口头报告，20篇论文海报展示，并邀请到多位业界专家开展题为“计算机视觉的今天与明天，城内与城外”的圆桌论坛，分享各自在计算机视觉领域的最新研究结果和相关技术观点。 论文口头报告-12篇 哈尔滨工业大学（深圳）张正博士带来题为“Highly-E
步骤2: 将步骤1复制出来的双key链接中加粗的第一部分双十一链接替换为为返佣合辑页链接：https://cloud.tencent.com/act/pro/cps_3
内容提要：行人重识别技术，广泛应用于智慧城市、自动驾驶等场景中，近年取得飞速发展。这也得益于训练数据规模的扩大、深度学习的发展。
最近，在网上搜索关于“行人重识别”及“行人再识别”等关键词，发现几乎都是关于行人检测的内容。对于“行人重（再）识别”技术能找到的资料很少，这可能是因为“行人重（再）识别”技术最近才刚刚兴起吧。 总之，除了能在谷歌学术中搜到一些Person re-identification的学术论文外，其他的资料明显没有行人检测的多。 概念解释 “行人重（再）识别”，首先从字面上将就是对“行人”进行“识别”。其中的“重（再）”则是指“重新”、“再一次”的意思。 “行人重（再）识别”技术主要是应用在视频监控方面。在刑侦工作中
UA-DETRAC是一个具有挑战性的现实世界多目标检测和多目标跟踪基准。数据集由 Cannon EOS 550D摄像头在中国北京和天津24个不同地点拍摄的10个小时的视频组成。视频以每秒25帧的速度录制，分辨率为960540像素。在UA-DETRAC数据集中，有超过14万帧和8250辆车被人工标注，总共标记了121万物体的边界盒。我们还对目标检测和多目标跟踪方面的最新方法进行基准测试，以及本网站中详细介绍的评估指标。
机器之心报道 机器之心编辑部 2017 年 7 月 11 日，专注于计算机视觉和深度学习的国内人工智能企业商汤科技完成 4.1 亿美元融资的消息引爆业内。本次融资创下了全球人工智能公司单轮融资的最高纪录。作为一家专注于计算机视觉和深度学习的新锐公司，在即将到来的世界顶级计算机视觉会议 CVPR（7 月 21 日-26 日，美国夏威夷）上，商汤科技也将带来一系列的技术 Demo、Presentation、PartyTime 等活动。在本届 CVPR 2017 大会上，商汤科技及香港中大-商汤科技联合实验室共
行人重识别（reID）是一项极具挑战性的任务，该任务以在多个摄像头拍摄出来的图像中识别相同行人为目标。随着深度学习方法的广泛使用，reID 的性能借助不同的算法得到快速提高。在用深度神经网络学习表征的问题上大家做了各种尝试，但姿势变化、图像模糊以及目标遮挡等问题仍对学习判别式特征提出了巨大的挑战。解决这些问题有两类方法，对齐行人图像 [1] 或通过学习身体区域的特征整合行人的姿势信息 [2]。但这些工作在推断阶段也需要辅助的姿势信息，这样就限制了算法在没有姿势信息的情况下泛化新图像的能力。与此同时，由于对姿势估计的推断更复杂了，计算成本也随之增加。
顶会AAAI 2022的惨烈程度，各位投稿人一定心有体会，近万篇投稿只有15%的录取率，无数全positive的优秀工作被录取率卡掉。
全球计算机视觉顶级会议 IEEE CVPR 2019(Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议) 即将于6月在美国长滩召开。本届大会总共录取来自全球论文1299篇。中国团队表现不俗，此次，腾讯公司有超过58篇论文被本届CVPR大会接收，其中腾讯优图实验室25篇、腾讯AI Lab33篇，相比过去两年成绩大幅提升。 作为计算机视觉领域级别最高的研究会议，CVPR2019录取论文代表了计算机视觉领域在2019年最新和最高的
全球计算机视觉顶级会议 IEEE CVPR 2019(Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议) 即将于6月在美国长滩召开。本届大会总共录取来自全球论文1299篇。中国团队表现不俗，此次，腾讯公司有超过58篇论文被本届CVPR大会接收，其中腾讯优图实验室25篇、腾讯AI Lab33篇，相比过去两年成绩大幅提升。
针对在移动机器人跟随目标的过程中目标消失的情景，提出了基于视觉跟踪与自主导航的机器人目标跟随系统。将机器人跟随问题分为目标在机器人视野内时的常规跟随和目标消失后的自主导航两种情况。
AI 科技评论按：本文为浙江大学罗浩为 AI 科技评论撰写的独家稿件，得到了作者本人指点和审核，在此表示感谢。 前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。 在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下，ReID就成为了一个非常重要的替代品技
本文选自BMVC2018的论文《Deep Association Learning for Unsupervised Video Person Re-identification》，使用无监督学习解决行人重识别的问题，更加贴近行人重识别的应用场景，同时性能也大幅提升。
前几天英伟达开源了DG-Net的源码。让我们来回顾一下这篇CVPR19 Oral的论文。
近年来，行人重识别技术在业内得到了越来越多的关注，CVPR投稿中关于ReID的研究逐年增多。随着行人重识别技术的日渐成熟，其巨大的应用价值和市场潜力得到了越来越多的关注。
行人重识别(Person re-identification)也称行人再识别，被广泛认为是一个图像检索子问题，是利用计算机视觉技术判断图像或者视频中是否存在特定行人的技术，即给定一个监控行人图像检索跨设备下的该行人图像。行人重识别技术可以弥补目前固定摄像头的视觉极限，并可与行人检测、行人跟踪技术相结合，应用于视频监控、智能安防等领域。
微软亚洲研究院是国内顶级CV研究机构，众多CV黑科技的诞生地，2020年始，亚研院盘点了2019年CV领域重点论文，大部分附有开源代码，希望对大家有帮助。
本文转载自腾讯AI实验室 计算机视觉欧洲大会（European Conference on Computer Vision，简称ECCV）将于9月8日-14日在德国慕尼黑举办，该会议与CVPR、ICCV共称为计算机视觉领域三大顶级学术会议，每年录用论文约300篇。 今年是腾讯AI Lab第二次参加ECCV，共有19篇文章入选，以下为摘要解读。 在近期结束的多个顶会中，腾讯AI Lab还有多篇论文入选，位居国内企业前列，包括ACL 2018 （5篇）、ICML 2018（16篇）、CVPR 20
全球计算机视觉顶级会议 IEEE CVPR 2019(Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议) 即将于6月在美国长滩召开。本届大会总共录取来自全球论文1299篇。中国团队表现不俗，此次，腾讯公司有超过58篇论文被本届CVPR大会接收，其中腾讯优图实验室25篇、腾讯AI Lab 33篇，相比过去两年成绩大幅提升。
计算机视觉欧洲大会（European Conference on Computer Vision，简称ECCV）将于9月8日-14日在德国慕尼黑举办，该会议与CVPR、ICCV共称为计算机视觉领域三大顶级学术会议，每年录用论文约300篇。
云从科技在跨镜追踪（行人再识别）技术（ReID）上获取重大突破。同时在Market-1501，CUHK03，DukeMTMC-reID三个数据集刷新了世界纪录，其中最高在Market-1501上的首位命中率（Rank-1 Accuracy）达到96.6%，让跨镜追踪（ReID）在准确率上首次达到商用水平，人工智能即将从「刷脸」跨到「识人」的新纪元。
AI 科技评论按：本文首发于知乎行人重识别专栏，AI 科技评论获其作者郑哲东授权转载。 1.Motivation 近年来，对行人重识别（person re-ID）问题的研究也越来越多了。类比于自然语言处理（nlp）的话，大家或者集中于语义层面的设计（比如设计 loss，triplet loss，identi+verif loss），或者集中于语法层面上（利用人体的内在结构，比如水平切割，pose预测）。 这篇文章集中于语法层面上，也就是利用人体结构来增强识别能力。现阶段行人重识别的发展一部分是归因于大数
梦晨 詹士 发自 凹非寺 量子位 | 公众号 QbitAI 一年一度特斯拉AI DAY， 开场就王炸！ 马斯克只用3分钟简短热场，人形机器人擎天柱 （Optimus）直接登台亮相。 不同于去年概念PPT上光滑圆润的外形，今年的擎天柱金属与线缆裸露在外，就像是电影中的终结者。 现场这台擎天柱，展示了稳步行走、转体俯身、挥手与台下观众打招呼。 录像中的一台还真正走入特斯拉办公室，浇花、帮员工搬运快递。 换到汽车工厂，也有模有样地搬起了砖。 然鹅，马斯克表示这还不是擎天柱机器人的完全形态，只是试做版原型机
据外媒报道，谷歌及其母公司Alphabet首席执行官桑达尔·皮查伊（Sundar Pichai）日前亲自撰文，声称人工智能太过重要，必须受到监管，人们非常担心AI造成的潜在负面后果。公司不能仅仅建立新技术，而放任市场力量来决定如何使用它。（网易科技）
为避免聚集性疫情发生，阻断病毒传染、及时发现疑似病人，全国各地均已采取最严格的发热人员排查措施，防止疫情进一步向外扩散。返工潮人流涌动，站好温控第一道岗，成为疫情狙击战的关键。目前机场、高速公路出口与服务站、地铁站、高铁站、超市、写字楼、小区、学校、场馆、工厂等人群高度聚集、高流动的公共场所与活动密集区，都需要对大流量群众进行实施体温监测。
基于深度学习的算法在图像和视频识别任务中取得了广泛的应用和突破性的进展。从图像分类问题到行人重识别问题，深度学习方法相比传统方法表现出极大的优势。与行人重识别问题紧密相关的是行人的多目标跟踪问题。
论文 1：MedMNIST Classification Decathlon: A Lightweight AutoML Benchmark for Medical Image Analysis
行人搜索是图像搜索问题的第一个尝试。在此之前，虽然对人的检测和重识别做了大量的努力，但大多数都是独立处理这两个问题的。也就是说，传统方法将行人搜索任务划分为两个独立的子任务。
既能准确计算进出人数，又能有效过滤掉干扰物体（如推车、行李箱、人员徘徊、拥挤及躯体重叠、人员经过未进入等，另外用户也需要有特殊应用，比如身高低于1.2米的儿童进出不计数等），使得客流统计准确率号称可以达到97%以上。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议
