论文解读:《Learning Generalisable Omni-Scale Representations for Person Re-Identification(OSNet)》

介绍 有效的行人再识别应该具有区分性,学习到的特征表示既能区分外貌相似的行人,又能在不额外训练的情况下进行跨数据集部署。本文提出了新的CNN架构来应对这两个挑战。首先,是提出了一种“全尺度网络(OSNet)”的CNN结构,不仅可以捕获不同的空间尺度,同时也能封装这些尺度的协同组合,即全尺度特征。基本构建块由多个卷积流组成,每个卷积流检测不同尺度范围的特征。对于全尺度特征学习,提出了一种统一的聚合门
相关文章
相关标签/搜索