2019 ArXiv之ReID:Hetero-Center Loss for Cross-Modality Person Re-Identification

Hetero-Center Loss for Cross-Modality Person Re-Identification 当前的问题及概述: 目前所有的框架都在解决跨模态差异问题,很少有研究探讨改进类内跨模态相似性。 本文提出了一个新的损失函数,称为异中心损失(HC损失),以减少类内交叉模态的变化。具体来说,HC损失可以通过约束两个异质模态之间的类内中心距离来监督网络学习的跨模态不变信息。在交
相关文章
相关标签/搜索