分享背景
行人再识别是利用计算机视觉技术在图像或视频中检索特定行人的任务。行人再识别面临着视角变化大、行人关节运动复杂等诸多困难,是一个极富挑战的课题。
2017年,行人再识别研究飞速进展。例如,在公开数据集Market-1501上,一选正确率从2016年ECCV中较高的65.9%提高到2017年ICCV中的80+%,arxiv近期一些paper更是将该指标刷新到95%左右。本讲座将重点介绍ICCV2017中一篇spotlight论文《SVDNet forPedestrian Retrieval》。这篇论文将全连接层权矩阵解读为特征空间中的一组投影基或是一组模板,联合奇异值分解(SVD)优化深度特征学习过程,取得了显著的性能提升,并揭示了非常有趣的机理现象。
《SVDNet forPedestrian Retrieval》
论文地址:arxiv.org/abs/1703.05693
代码地址:github.com/syfafterzy/SVDNet-for-Pedestrian-Retrieval
分享主题
行人再识别论文介绍——SVDNet for Pedestrian Retrieval (及最新相关进展)
分享提纲
1.行人再识别任务简介;
2.SVDNet for Pedestrian Retrieval论文讲解;
3.行人再识别最近进展介绍及下一步热点预测(结合最新论文);
分享人简介
孙奕帆,清华大学电子系博士在读,主要研究方向为计算机视觉、行人再识别及深度学习应用。
分享时间
北京时间12月21日(周四)20:00
参与方式
领取专属 10元无门槛券
私享最新 技术干货