色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一個集檢測與檢索與一身的作品

gVTR_Unf ? 來源:AI人工智能初學(xué)者 ? 作者:ChaucerG ? 2020-09-28 16:09 ? 次閱讀

本文轉(zhuǎn)載自 AI人工智能初學(xué)者,作者ChaucerG

傳統(tǒng)的目標(biāo)檢索任務(wù)旨在學(xué)習(xí)具有內(nèi)部相似度和內(nèi)部相異度的區(qū)分特征表示,它假設(shè)圖像中的對象是手動或自動精確裁剪的。但是,在許多現(xiàn)實(shí)世界中的搜索場景(例如,視頻監(jiān)視)中,很少準(zhǔn)確地檢測或標(biāo)注對象(例如,人、車輛等)。因此,在沒有邊界框注釋的情況下,物體級檢索變得很棘手,這導(dǎo)致了一個新的但具有挑戰(zhàn)性的主題,即圖像搜索。

1、簡介

行人搜索是圖像搜索問題的第一個嘗試。在此之前,雖然對人的檢測和重識別做了大量的努力,但大多數(shù)都是獨(dú)立處理這兩個問題的。也就是說,傳統(tǒng)方法將行人搜索任務(wù)劃分為兩個獨(dú)立的子任務(wù)。

首先,利用行人檢測器從圖像中預(yù)測人物的邊界盒,然后根據(jù)預(yù)測的邊界盒的坐標(biāo)對被檢測人物的矩形區(qū)域進(jìn)行裁剪。其次,提取檢測框內(nèi)行人的特征用于重新識別人物。

在一般的行人重識別(Re-ID)任務(wù)中,對行人圖像進(jìn)行人工注釋和裁剪,然后用于訓(xùn)練的鑒別特征表示網(wǎng)絡(luò)。一方面是因?yàn)樵谡鎸?shí)的視頻監(jiān)控任務(wù)中,大多數(shù)檢測器不可避免地會出現(xiàn)誤檢和框選不準(zhǔn)的情況,在一定程度上可能會導(dǎo)致ReID精度的性能顯著下降。另一方面,這兩個獨(dú)立的子任務(wù)似乎對實(shí)際應(yīng)用程序中的最終Re-ID不太友好。

圖1 傳統(tǒng)ReID+檢索的過程和本文所提方法的對比圖

在本文中,為了解決圖像搜索問題,我們首先介紹一個端到端集成網(wǎng)(I-Net),它具有三個優(yōu)點(diǎn):

1)通過設(shè)計(jì)Siamese架構(gòu)來進(jìn)行在線匹配相似和不相似樣本對。

2)引入了新穎的在線配對(OLP)損失和動態(tài)特征字典,該字典通過自動生成多個負(fù)數(shù)對來限制正數(shù),從而減輕了多任務(wù)訓(xùn)練停滯問題。

3)提出了一種Hard example priority(HEP)的softmax損失,以通過選擇Hard類別來提高分類任務(wù)的魯棒性。

借助分而治之的理念,文章進(jìn)一步提出了一種改進(jìn)的I-Net,稱為DC-I-Net,它做出了兩個新的貢獻(xiàn):

1)量身定制了兩個模塊以在集成框架中分別處理不同的任務(wù),從而使任務(wù)規(guī)格得到保證。

2)提出了通過利用memory的類中心進(jìn)行類中心指導(dǎo)的HEP Loss(),從而可以捕獲內(nèi)部相似度和內(nèi)部相似度以進(jìn)行最終檢索。

在著名的面向圖像級搜索的基準(zhǔn)數(shù)據(jù)集上的大量實(shí)驗(yàn)表明,所提出的DC-I-Net優(yōu)于最新的tasks-integrated和tasks-separated的圖像搜索模型。

2、本文方法

這篇論文是I-Net的一個實(shí)質(zhì)性擴(kuò)展,在網(wǎng)絡(luò)架構(gòu)和損失函數(shù)方面做出了以下新貢獻(xiàn):

2.1、I-Net

為了實(shí)現(xiàn)更好的圖像搜索任務(wù),I-Net(Siamese I-Net)將行人檢測和行人重識別設(shè)計(jì)為端到端(End-to-End)的框架,如下圖:

對于每一次迭代,包含相同身份id的圖像對將被輸入到Siamese I-Net中。利用骨干網(wǎng)絡(luò)進(jìn)行初步特征的提取。然后,通過兩個RPN結(jié)構(gòu)得到候選區(qū)域。再然后將這些候選區(qū)域特征輸入到ROIPooling中并輸出的特征圖,最后是兩個全連接層分別用于檢測任務(wù)和檢索檢索(即ReID)任務(wù)。同時該結(jié)構(gòu)的提出的同時也提出了兩個損失函數(shù),即OLP Loss和HEPLoss,用于學(xué)習(xí)與ReID相關(guān)的有效特征。

通過兩個RPN生成的候選區(qū)域,ROI池化層被集成到I-Net中。然后,兩個Stream匯集的特征被輸入到有4096個神經(jīng)元的兩個FC中。為了消除行人候選區(qū)域的假陽性使用二值交叉熵?fù)p失區(qū)分訓(xùn)練。(注意,對于一般的圖像搜索任務(wù)都會使用softmax分類器來進(jìn)行目標(biāo)檢測);除此之外L1損失用來約束候選框的位置,同時會有一對256-D的特征用通過OLP Loss和HEP Loss來訓(xùn)練ReID Branch的模型。

2.2、On-line Pairing Loss (OLP Loss)

設(shè)計(jì)OLP損失函數(shù)主要從以下幾個角度考慮的:

1 減小類內(nèi)差距、增加類間差距

2 由于輸入的圖像數(shù)量不足,且每幅圖像中目標(biāo)的鎖定,容易出現(xiàn)容易對多而身份少的情況,會導(dǎo)致傳統(tǒng)度量損失(如Triplet Loss)的停滯問題,嚴(yán)重阻礙了模型的有效訓(xùn)練。

OLP Loss的設(shè)計(jì)形式如下:

OLP損失可以按照如下步驟進(jìn)行復(fù)現(xiàn):

1.收集兩幅相同身份輸入圖像的特性,并構(gòu)造成正樣本對。

2.為每個正樣本對特征中的和被設(shè)置為Anchor。負(fù)樣本特征存儲在特征字典中,與Anchor對配對,構(gòu)建負(fù)樣本對。

3.計(jì)算OLP損失,然后計(jì)算OLP梯度,進(jìn)行梯度反向傳播優(yōu)化。

4.存儲輸入的特征,逐步更新特征字典。

2.3、Hard Example Priority Loss (HEP Loss)

OLP損失函數(shù)使正樣本對的余弦距離更小,負(fù)樣本對的余弦距離更大,這并不能直接對損失函數(shù)中的id標(biāo)簽進(jìn)行回歸。另外,傳統(tǒng)的基于softmax的分類器交叉損失訓(xùn)練方法沒有考慮樣本在數(shù)據(jù)中的難易程度。基于上述考慮,提出了HEP Loss,目的是回歸具有高優(yōu)先級的身份標(biāo)簽。

在圖4中,Hard Example的選擇如下:

首先確定每個有身份的輸入圖像對的標(biāo)簽索引,以確保groundtruth類。

對于每個子組,將距離最大的最上面r個負(fù)樣本的標(biāo)簽索引存儲在優(yōu)先級類池P中,使難例的優(yōu)先級類得到集中。

如果池P的大小仍然小于預(yù)設(shè)的T,便隨機(jī)選擇幾個類填充池。

最后,利用傳統(tǒng)的基于softmax的交叉熵?fù)p失和選擇的優(yōu)先級類,將提出的HEP損失函數(shù)表示為:

其中,表示分類器給出的第i個proposal的分?jǐn)?shù),j表示第j個類。在損失函數(shù)中,只使用選定的類別進(jìn)行損失計(jì)算,進(jìn)而使得損失函數(shù)集中在硬類別上。

2.4、Overall Loss of I-Net

I-Net是一種將檢測和重識別結(jié)合起來進(jìn)行訓(xùn)練的端到端模型。因此損失由兩部分組成:檢測損失()和重識別損失(和),表示如下:

2.5、DC-I-NET

相較于I-Net,DC-I-NET:

1.通過使用來自不同層的特征,很好地考慮了檢測和重新識別的任務(wù)專注度;

2.利用ROI-Align模塊生成2級檢測器來提取refined目標(biāo)以用于訓(xùn)練度量損失;

3.提出了class-center引導(dǎo)困難樣本優(yōu)先的()損失,用于訓(xùn)練的id的分類損失。

Detector:在DC-I-Net中,檢測任務(wù)和行人重識別任務(wù)的特征是從不同網(wǎng)絡(luò)層次中提取的。經(jīng)過分類損失和回歸損失監(jiān)督的兩階段檢測,完成準(zhǔn)確Bounding Boxes(即目標(biāo)行人)的檢測。

Re-identifier:經(jīng)過兩階段檢測后,將refined bounding Boxes的坐標(biāo)輸入ROIAlign層,計(jì)算refined目標(biāo)建議的特征,用于行人重識別。對于ReID任務(wù),匯集的feature map的大小為7x14,其寬高比與person的邊框相似。然后將特征圖輸入全連通層,學(xué)習(xí)用于行人重識別的特征向量表示。最后,通過全連通層生成目標(biāo)方案的256-D的經(jīng)過L2歸一化后特征,并將其輸入到和中進(jìn)行重識別模塊的訓(xùn)練。

損失函數(shù)定義如下:

DC-I-Net總損失為:

3、實(shí)驗(yàn)結(jié)果

原文標(biāo)題:【檢測+檢索】一個模型讓你不僅看得見也可以找得到,集檢測與檢索與一身的作品

文章出處:【微信公眾號:機(jī)器視覺CV】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

責(zé)任編輯:haq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 圖像采集
    +關(guān)注

    關(guān)注

    2

    文章

    299

    瀏覽量

    41276
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    30747

    瀏覽量

    268901

原文標(biāo)題:【檢測+檢索】一個模型讓你不僅看得見也可以找得到,集檢測與檢索與一身的作品

文章出處:【微信號:Unfinished_coder,微信公眾號:機(jī)器視覺CV】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    【「具智能機(jī)器人系統(tǒng)」閱讀體驗(yàn)】+初品的體驗(yàn)

    Intelligence,EAI)是多學(xué)科技術(shù)與理論于體的研究領(lǐng)域,旨在探討智能如何在智能體與其環(huán)境的互動中展現(xiàn)。 與傳統(tǒng)的人工智能不同,具
    發(fā)表于 12-20 19:17

    ADS1230本的data ready信號是100ms周期,為什么中間會有段不是100ms為周期?

    圖中綠色的是dout波形,黃色為sclk波形 1.ADS1230本的data ready信號是100ms周期,為什么中間會有段不是100ms為周期,即畫紅線部分的data r
    發(fā)表于 12-20 07:18

    性能與成本于一身的IMU,讓無人機(jī)飛行更穩(wěn)定

    無人機(jī)在進(jìn)行任何形式的飛行時,必須了解空中平臺的方向、其運(yùn)動的性質(zhì)以及飛行方向。通常用于測量此運(yùn)動的是IMU,IMU提供與無人機(jī)三軸向的加速度和角速度數(shù)據(jù),以及有關(guān)無人機(jī)在橫滾、俯仰和偏航方面的測量數(shù)據(jù)。常見應(yīng)用包括控制和穩(wěn)定、制導(dǎo)和校正、測量和測試。
    的頭像 發(fā)表于 12-19 15:45 ?116次閱讀
    <b class='flag-5'>集</b>性能與成本于<b class='flag-5'>一身</b>的IMU,讓無人機(jī)飛行更穩(wěn)定

    手持多參數(shù)速測記錄儀:多種測量功能于

    速測記錄儀的顯著特點(diǎn)便是能夠多種測量功能于一身,廣泛涵蓋了眾多關(guān)鍵參數(shù)的檢測。在水質(zhì)分析領(lǐng)域,它可以精確測量酸堿度(pH),實(shí)時反映水體的酸堿性程度,這對于判斷水質(zhì)是否適宜水生生物生存以及評估水體受污染狀況至
    的頭像 發(fā)表于 12-17 11:13 ?51次閱讀

    醫(yī)療電子血壓檢測儀的語音芯片應(yīng)該怎么挑選才最合適

    語音芯片在醫(yī)療血壓儀中關(guān)鍵,挑選需考慮性能、功耗、集成性、合規(guī)性、語音質(zhì)量、可擴(kuò)展性及售后。NV400F芯片優(yōu)點(diǎn)于一身,確保清晰播報(bào)、穩(wěn)定工作、低功耗及合規(guī)安全,是醫(yī)療血壓儀的理想選擇。
    的頭像 發(fā)表于 12-09 11:42 ?125次閱讀

    【書籍評測活動NO.51】具智能機(jī)器人系統(tǒng) | 了解AI的下一個浪潮!

    ,EAI)是多學(xué)科技術(shù)與理論于體的研究領(lǐng)域,旨在探討智能如何在智能體與其環(huán)境的互動中展現(xiàn)。 與傳統(tǒng)的人工智能不同,具智能認(rèn)為智能不
    發(fā)表于 11-11 10:20

    天合光能榮獲日本G-mark設(shè)計(jì)獎

    近日,天合光能至尊N型小金剛黑色透明組件,經(jīng)多國評委兩輪評審,于全球五千余作品的激烈角逐中,憑借其獨(dú)特設(shè)計(jì)與卓越性能脫穎而出,榮獲日本G-mark設(shè)計(jì)獎(Good Design Award),至今,已成為德國設(shè)計(jì)獎、國IDE
    的頭像 發(fā)表于 10-18 13:57 ?375次閱讀

    什么是超聲波體氣象儀?

    超聲波體式氣象儀是將多種氣象測量功能集成于體且基于超聲波技術(shù)的儀器。它超聲波風(fēng)速風(fēng)向測量功能于一身,同時可能還集成了溫度、濕度、氣壓等其他氣象參數(shù)的測量模塊。其主要特點(diǎn)有:高度集
    的頭像 發(fā)表于 09-18 10:52 ?232次閱讀
    什么是超聲波<b class='flag-5'>一</b>體氣象儀?

    軟件系統(tǒng)的數(shù)據(jù)檢索設(shè)計(jì)

    軟件系統(tǒng)的數(shù)據(jù)檢索設(shè)計(jì) 隨著業(yè)務(wù)量加大,數(shù)據(jù)檢索量也會日益增多,為了減輕數(shù)據(jù)庫壓力,本系統(tǒng)采用ElasticSearch來實(shí)現(xiàn)數(shù)據(jù)檢索功能。 簡單來說,Elasticsearch 是
    的頭像 發(fā)表于 08-22 14:08 ?252次閱讀
    軟件系統(tǒng)的數(shù)據(jù)<b class='flag-5'>檢索</b>設(shè)計(jì)

    DP1363F 多協(xié)議NFC 兼容CLRC663開發(fā)資料

    ?DP1363F是高度集成的收發(fā)器芯片,用于13.56Mhz的非接觸式通訊。強(qiáng)大的多協(xié)議支持、最高射頻輸出功率,以及突破性技術(shù)低功耗卡片檢測等優(yōu)勢于一身,滿足市場對更高集成度、更小外殼和互操作性
    發(fā)表于 05-31 10:48

    混合信號 SOC 產(chǎn)品用戶指南

    芯海混合信號 SOC 產(chǎn)品是指集成了 RISC MCU、高精度 ADC、LED/LCD 顯示模塊等高系統(tǒng)集成的產(chǎn)品。芯片系統(tǒng)資源為特定應(yīng)用領(lǐng)域量身定做,高性能,高集成度,高性價(jià)比于一身。用戶可根據(jù)對應(yīng)芯片型號的規(guī)格進(jìn)行修改,僅供參考。*附件:APN_SOC_用戶指南V0
    發(fā)表于 05-16 09:51

    造完“大模型”,“具智能”將引領(lǐng)AI下一個浪潮?

    智能,進(jìn)化速度超越想象
    的頭像 發(fā)表于 03-21 12:48 ?426次閱讀

    炬芯科技攜手圓周率智能推出款全球離線地圖導(dǎo)航方案

    近日,炬芯科技與深圳市圓周率智能信息科技有限公司(以下簡稱“圓周率智能”)達(dá)成深度合作,雙方協(xié)力共同推動嵌入式地圖引擎在終端智能設(shè)備上應(yīng)用,這項(xiàng)軟件技術(shù)地圖顯示、導(dǎo)航、地理信息等功能于一身
    的頭像 發(fā)表于 03-14 11:03 ?465次閱讀

    【電子DIY作品】 用安信可Ai-M61-32S做一個多功能書桌燈

    作品由安信可社區(qū)用戶 san制作 01制作思路 照明對于營造溫馨舒適的書桌環(huán)境來說是非常重要的,從古代的蠟燭、油燈到近代的白熾燈,可以說人們在不斷的創(chuàng)造著能夠發(fā)亮的東西,而現(xiàn)在電燈的種類很多
    的頭像 發(fā)表于 01-22 17:52 ?612次閱讀
    【電子DIY<b class='flag-5'>作品</b>】 用安信可Ai-M61-32S做<b class='flag-5'>一個</b>多功能書桌燈

    簡單的Shiro RCE檢測和利用腳本

    簡單的Shiro RCE檢測和利用腳本。
    的頭像 發(fā)表于 01-09 09:46 ?639次閱讀
    主站蜘蛛池模板: 性欧美videosex18嫩| 成年妇女免费播放| 啦啦啦影院视频在线看高清...| 亚洲一区二区影院| 精品一区二区三区免费观看| 亚洲欧美一区二区三区四区| 红番阁免费观看| 一本道色综合手机久久| 久久99精品涩AV毛片观看| 亚洲精品第一综合99久久| 精品人伦一区二区三区潘金莲 | 久久99国产视频| 伊人久久综合影院| 么公在浴室了我的奶| 99视频全部看免费观| 亲胸揉胸膜下刺激视频在线观看| 初中XXXXXL| 亚洲精品123区在线观看| 久久视热频国产这里只有精品23| 中文字幕在线观看亚洲视频| 欧美最猛黑人XXXXWWW| 国产精品久久精品| 伊人无码高清| 秋霞电影网午夜鲁丝片无码| 国产成人精品电影| 亚洲欧洲日产国产 最新| 亚洲久久少妇中文字幕| 久久热在线视频精品1| thermo脱色摇床安卓下载| 忘忧草在线影院WWW日本动漫| 久久精品一本到99热| 把极品白丝老师啪到腿软| 亚洲精品国偷拍电影自产在线| 蜜桃传媒星空传媒在线播放| 动漫H片在线观看播放免费 | 办公室激情在线观看| 亚洲成在人线视频| 青草久久久| 久久精品亚洲国产AV涩情| 国产成A人片在线观看| 18日本人XXXXXX18|