写一下行人重识别的论文
时间: 2023-03-13 12:36:04 浏览: 72
我可以为您介绍一些有关行人重识别的论文,例如:《基于深度学习的行人重识别》(Deep Learning Based Person Re-identification),《基于特征模式的行人重识别》(Feature Pattern Based Person Re-identification),《基于多尺度多特征提取的行人重识别》(Multi-Scale and Multi-Feature Extraction Based Person Re-identification),以及《基于视觉语义的行人重识别》(Visual Semantic Based Person Re-identification)。
相关问题
基于图神经网络的行人重识别
基于图神经网络的行人重识别是一种用于解决行人重识别问题的方法。在Yantao Shen的论文《Person Re-identification with Deep Similarity-Guided Graph Neural Network》中提出了一种名为Similarity-Guided Graph Neural Network (SGGNN)的模型。该模型的主要贡献是通过图神经网络来建模行人之间的相似性,并利用这些相似性来改善行人重识别的效果。
行人重识别是指在视频监控场景中,通过比对不同摄像头中的行人图像,将同一个行人在不同摄像头中的出现进行匹配和识别的任务。然而,由于摄像头视角、光照条件和行人姿态等因素的影响,行人重识别面临着许多挑战。其中之一就是在其他行人干扰的情况下进行准确的识别。
SGGNN模型通过构建一个图,将行人之间的相似性建模为图的边。然后,利用图神经网络来学习行人特征之间的关系,并生成每对行人之间的相似性分数。在进行行人重识别时,可以根据这些相似性分数来进行匹配和识别,从而提高准确性和鲁棒性。
总结来说,基于图神经网络的行人重识别是一种利用图模型来建模行人之间的相似性,并通过学习这些相似性来改善行人重识别效果的方法。SGGNN是其中的一个具体模型,在处理其他行人干扰的情况下尤为有效。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [行人重识别 PCB-RPP,SGGNN](https://blog.csdn.net/SIGAI_CSDN/article/details/82911843)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [ECCV 2020 | 腾讯优图8篇论文入选,涵盖目标跟踪、行人重识别、人脸识别等领域...](https://blog.csdn.net/moxibingdao/article/details/107502885)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]
行人识别的数据集在哪可以下载
行人识别数据集可以在以下网站中下载:
1. Market-1501:http://www.liangzheng.org/Project/project_reid.html
2. DukeMTMC-reID:https://github.com/layumi/DukeMTMC-reID_evaluation
3. CUHK03: http://www.ee.cuhk.edu.hk/~xgwang/CUHK_identification.html
4. MSMT17: https://www.pkuvmc.com/dataset.html
此外,还有一些其他的行人识别数据集,您可以通过搜索引擎或相关论文来了解。注意,某些数据集可能需要付费或需要特殊许可才能访问。